為解決手術室相關文書無紙化問題，破解身份確認、多方會簽和術中簽字等技術難題，提升工作效率，減少紙張，預防感染尤其是助力疫情防控，十堰市太和醫院人臉識別項目組針對性開發建設了基于人臉識別的非接觸式手術文書無紙化系統。

醫務人員通過移動客戶端（APP）進入手術文書系統，填寫移動端醫療文書并點擊簽名處激活人臉識別功能，系統調用人臉識別算法與人臉庫的生物學特征信息匹配，匹配成功后，與綁定或獨立的“醫務人員簽名庫”進行關聯，讀取并回傳APP簽名，最終實現非接觸式簽名并生成PDF格式文件上傳至海泰電子病歷系統以實現無紙化；系統支持簽名業務、人臉識別、特征比對、移動端（含IOS版和安卓版）和簽名庫維護、自主學習、自動更新升級等功能。

試點服務對象為醫療機構手術間醫護人員，試點成功后將分批次推廣至全院不同領域以及同類醫療機構相同領域；后期隨著技術的成熟以及經驗的累積，可逐漸覆蓋至行政辦公、流程審批、文檔管理等領域。

《人臉識別非接觸式無紙化系統》最大的優勢在于非接觸性、非強制性以及自然性。

1）提升了自主開發能力。應用在包括戴口罩、不戴口罩、戴帽、不戴帽等多種復合識別人臉的多種情景中，人臉識別算法支持自動更新人臉庫，無需手動維護；自主開發包括IOS和安卓兩個版本、具備醫療文書填寫及電子簽名等功能移動端APP應用子系統。

2）自主構建區域人臉庫。本院醫務人員人臉生物學信息特征庫，豐富和拓展了人力資源庫管理途徑和人員信息核查。

3）后期功能拓展和運維便利。源代碼完全由自己掌握，便于后期功能或院區擴展以及運維。

4）人臉識別用于身份鑒定的過程中不需要接觸目標，有效減少了疫情期間和“后疫情時代”手術室醫護人員感染的風險。

人臉識別非接觸無紙化系統成功實施，首先要構建醫院手術室人臉識別非接觸無紙化系統人臉面像信息庫；其次要獲取人體面像。通過攝像機捕捉醫院手術室需要確認人員的面部圖像，并將其面像文件生成面紋編碼；最后，比較檔案中的庫存面紋編碼和后來捕捉到的面紋編碼。利用面紋編碼的方式，使其能夠精確的辨認出具體個人。因此，涉及以下關鍵技術：

1）人臉檢測與識別技術

人臉檢測是在復雜的背景和動態化的場景下判斷面像，人對面像中的人臉特征進行提取并分析出人臉在圖像中的具體位置以及人臉框大小等信息；人臉識別技術是根據單個人體的臉部特征進行計算及視頻攝像，后對錄入的人臉圖像經過計算機運算，從而確定單個面部器官的大小、特征等位置信息并保存在數據庫內；在應用過程中，通過將已有數據庫中的人臉特征信息和實際采集的信息進行比較，以此來實現人臉身份的識別。

2）人臉跟蹤與對比技術 

人臉跟蹤即跟蹤被檢測到的人臉信息，基于模型與運動相結合的方法，在檢測到人臉后，將數據庫內的圖像依次對比，以此得到最佳匹配對象；而人臉對比技術的關鍵在于選擇合適的人臉表征方式、匹配策略。醫院中的手術室人員確認系統中的人臉識別主要可以采用全局方法或是基于特征的方法或來進行匹配。

使用歐氏距離算法根據識別出的人臉特征對人臉庫中已有的人臉特征進行追蹤定位，匹配出人臉庫中相似度最高的人臉。然后根據匹配出的人臉獲取對應的人物身份信息。

該項目提出了一種基于fast rnn進行人臉目標位置檢測和使用卷積神經網絡（Convolutional Neural Networks,CNN）和殘差網絡（Residual Network,ResNet）進行人臉檢測識別技術，以及使用歐氏距離算法根據識別出的人臉特征對人臉庫中已有的人臉特征進行追蹤定位與匹配技術。多次實驗測試證明，本方法的平均人臉識別準確率較高（≥98.5%）,平均識別時間較短（≤71ms），能滿足日常工作需要，具有一定的實用價值與現實意義。

應用情景包括戴口罩、不戴口罩、戴帽、不戴帽等多種復合情況，自動更新人臉庫，自主開發包括IOS和安卓兩個版本、具備醫療文書填寫及電子簽名等功能移動端APP應用子系統；同時自主構建了區域人臉庫，建立本院醫務人員人臉生物學信息特征庫，豐富和拓展了人力資源庫管理途徑和人員信息核查；身份鑒定的過程中不需要接觸目標，有效減少了疫情期間和“后疫情時代”手術室醫護人員感染的風險。

據了解，醫生在一臺手術中平均需要進行至少6次簽字，大型手術簽字次數高達15次。而多次簽字過程帶來的問題可以利用《人臉識別非接觸式無紙化系統》有效避免。主要體現為以下幾點。

1）有效降低了感染風險。在手術中消毒不徹底，會導致機體發生細菌感染，甚至敗血癥的可能，而手術過程中，以人臉識別代替持筆簽字，避免觸摸紙質清單，可減少產生接觸細菌的可能。

2）使手術操作更便捷。手術過程中，每一次簽字操作，都涉及到簽字人員核對、紙質文檔內容核對、持筆簽字、簽后消毒的過程，一定程度上，消耗了手術人員的精力。

3）降低成本，節約紙張。降低了紙張使用和保存成本，同時方便日后查閱。

由于人臉識別技術涉及到圖像處理、模式識別、計算機視覺、心理學以及生物學等相關學科領域，并同基于生物特征的身份鑒別方法以及計算機人機感知交互的研究領域之間相互交融。因此，在實際應用人臉識別的過程中，仍舊還存在一定難度或挑戰，主要來自四個方面。

一是信息安全：如何防止信息過度應用甚至是泄露；二是技術的局限性：如該人臉識別算法算法仍存在對模糊人臉圖像和大面積物理遮擋的人臉圖像識別率不高的問題；三是檢測周圍環境影響：如光照、姿態、遮擋等 ；四是人臉外觀“生物學特征”的自然變化影響：如表情、姿勢等。針對這些問題,未來將通過進一步優化人臉檢測網絡和增加人臉清晰度判別等方法進行改進。