摘 要 　　本文在医院现有的HIS系统基础上，应用以SI广东深圳专业医疗仪器工业产品设计医疗3.15FT算法为核心的人脸识别技术，加以用户终端服务设备，构建了一套完整的个人医疗信息管理系统。
文章详细介绍了SIFT计算步骤和方法，验证了SIFT算法的可行性、高效性、实用性，并完成了人脸识别系统流程的设计。
个人医疗信息管理平台的搭建，为方便患者就医、促进医患沟通、便于大众监督、提升服务质量，广东深圳专业医疗器械开发工业产品设计产品设计,从企业到用户提供了良好的信息渠道。
同时有利于实现我院“医疗信息数字化、信息管理智能化、医疗收费透明化”的信息化建设目标。

　　【关键词】人脸识别 SIFT 个人医疗信息管理
　　1 引言
　　目前，我国绝大多数医院的患者服务终端，还不具方便快捷的医疗信息管理功能，患者想要查询和管理其个人在医院的医疗信息，是一项很复杂的难题。
本课题的研究内容，具有很强的现实意义和实用价值。

　　人脸识别是采用人脸识别算法，对图像中所包含的人脸对象进行身份识别。
先找出图像中包含的人脸对象即人脸检测，接着对人脸对象进行身份识别即人脸识别。
由于人脸识别技术具有安全、直接、友好广东深圳专业医用仪器设备外观工业产品设计特色医疗、方便、易于为用户接受及设备造价较低等优点，具有广阔的实际应用前景。
随着计算机技术迅速发展，以及人脸识别技术的不断成熟，研究开发基于人脸识别技术的身份验证系统已经成为热门。
目前，使用SIFT算法可以很好的将该技术应用到实际中来。

　　2 整体平台构建
　　以医院的院内网络为核心、以数据服务器为后台计算机存储、以人脸识别技术为进入用户信息管理界面门禁、以HIS系统为实时访问调取数据来源，搭建成完整的个人信息管理平台。
用户首先在使用终端上进行人脸识别身份验证，图片数据进入事先存储的人脸数据库进行特征比对，找到该图片所对应的唯一人。
当验证成功后，用户根据个人信息管理界面上的菜单选项进行信息管理操作，系统实时调用和存储数据库数据，并在服务器上进行相应运算（见图1）。

　　患者通过人脸识别认证后，进入到个人医疗信息管理界面。
在菜单中选择管理类别，再打开各子菜单选项进行个人信息管理。
此平台可提供医疗费用管理服务、预约挂号服务、病例查询服务、健康管理服务等。
以院内网络为载体，进行数据的相互传输。
系统在工作时，实时访问调用HIS系统，调取和存储诊疗信息。
超大的信息量考验着医院服务器的存储空间和计算能力，实现快速度人脸识别和信息数据传输，除了对计算方法的要求之外，硬件的高速性能也是关键之处。

　　3 SIFT算法
　　sift算子是一种基于尺度空间，对图像的旋转、扩缩以至于仿射变换都保持不变性的图像局部特征描述算子。
程序由Rob Hess使用C＼C++语言编写，主要基于GSL的Open CV函数库。

　　3.1 DoG尺度空间的极值检测
　　在SIFT中使用不同参数的高斯模糊来表示不同的尺度空间，而构造尺度空间是为了检测在不同尺度下都存在的特征点。
本文采用DoG来近似计算，在DoG空间检测极值点。

　　3.2 删除不稳定的极值点
　　运算的关键是删除两类极值点，即低对比度的和不稳定的边缘检测点。
因为DOG算子具有边缘响应，需要特征点处二阶Hessian矩阵H求出的主曲率来作为滤掉不稳定点的依据。
边缘的梯度特点是梯度值在某一个方向大而另一个方向小，此处的两个特征值的差会很大，比值大于一定的阈值的点可以判断为边缘响应点。
因此，特征点必须满足：
　　如图3所示，对这个窗口内的所有像素进行加权运算，每十六个像素见方为一组，这样经计算后共得到四个八维向量。
分别绘制梯度直方图计算模值的累加值形成四个种子点，最后构成一个特征点。
在二维空间里对邻域模值信息加权统计使得噪声的影响进一步减弱也使得生成的描述子具有一定的容错性。
在实际的计算过程中，我们对使用16个种子来对每个关键点进行描述执行以增强匹配结果的鲁棒性，那么结果就是最终每个关键点就都生成了128维的特征向量。
这样就进一步加强局部特征的独广东深圳专业医疗器械产品外观工业产品设计过度医疗有性，也提高了匹配稳定性。

　　综合上述所有执行步骤，已经获取到位置明确、尺度不变、旋转独立和对比度影响不敏感的描述符。
至此，得到了图片的局部稳定特征，SIFT算法得到了很好的验证。

　　5 人脸识别系统流程设计
　　人脸识别系统通过采集患者在用户终端所拍摄的人脸图像，并对采集到的图像进行灰度化、归一化等预处理，采用主成分分析法（PCA）对该图像进行特征提取，并存储相关的特征信息，然后与患者人脸�旖�行特征值匹配，找出与输入图像信息最相似的人脸，最后根据唯一的人脸图像数据在HIS系统中调取并显示该人脸（患者）相应的广东深圳专业医疗器材仪器外观工业产品设计产品设计中的经济学原理医疗信息。
具体流程如图4所示。

　　本系统采用的Open CV是Intel开源计算机视觉库，基本工作步骤为：
　　5.1 被读人脸图像输入
　　本系统根据SIFT算法的优势将图片随机分类并在诸如光照条件、旋转、微形变、尺度变化等因素上作出对应调整以检测SIFT算法的鲁棒性。

　　5.2 匹配
　　执行匹配图像信息，并输出特征向量图及匹配图。

　　5.3 识别
　　识别步骤是在对某目标人脸图片经库里遍历匹配后，输出的匹配数据进行排序，输出最大的匹配数及其对应的人脸。

　　6 结论与展望
　　本文在医院现有的HIS系统、院广东深圳专业医用仪器外形工业产品设计百度互联网医疗内网络以及后台服务器的基础上，连接用户终端设备广东深圳专业医用产品 /电子产品工业产品设计工业设计视觉效果的表现和表达，构建患者个人医疗信息管理平台。
深入研究并论证了SIFT算法，在人脸识别系统中的计算过程及实现的可行性。
最后设计出一套完整的人脸识别系统流程，为实际应用提供理论依据。
未来可以考虑与专业公司合作，获得更多的专业技术支持和实践经验，并利用防火墙等技术手段确保患者的隐私权利。

　　参考文献
　　[1]袁正海.人脸识别系统及关键技术研究[D].南京：南京邮电大学，2013：5-13.
　　作者单位
　　吉林市中心医院 吉林省吉林市 132011