在今年9月，阿里巴巴旗下蚂蚁金服宣布在杭州KFC首推"刷脸支付"服务。同月，以苹果公司为代表的数家手机厂商重磅推出具备人脸识别解锁功能的手机。苹果公司还宣称，人脸识别提供了比指纹更高的安全性。随即，不少媒体开始畅想人类即将进入刷脸时代，无论是开设银行账户、手机解锁、网络支付，还是打开小区门禁和自家房门，都将采用"刷脸"模式。

随着人脸识别技术的快速进步以及市场应用需求的凸显以及资本的热捧，人脸识别在最近一两年特别火热。人脸识别技术在应用上也有了很大的突破，不再局限于考勤、门禁行业的简单应用，目前随着技术的进一步成熟和社会认同度的提高，其广泛应用于金融、司法、军队、公安、边检、政府、航天、电力、工厂、医疗及众多企事业单位等领域。本文将侧重从安防层面来解读人脸识别在医疗行业的应用。

一、医疗行业在安全管理上的痛点

近年来医疗行业主要存在两个矛盾：

一是医患矛盾。这几年医患矛盾不断升级，医患纠纷层出不穷。这种情况下职业“医闹”由此产生，这些职业“医闹”采取在医院设灵堂、打砸财物、设置障碍阻挡患者就医，或者殴打医务人员、跟随医务人员，在诊室、医师办公室、领导办公室内滞留等等方式，以严重妨碍医疗秩序、扩大事态、给医院造成负面影响的形式给医院施加压力。矛盾范围较广、医闹事件频发，严重威胁医务人员、患者的人身安全。

二是医药矛盾，医药行业价格混乱，医院公信力相对缺失，滋生少量的职务犯罪。

面对这些问题，近几年相关管理部门非常重视并出台各项政策措施加快医疗行业尤其是医院的安全防范措施。从管理部门的纲领性文件和医疗行业矛盾来看，在医疗行业大力发展人工智能，通过人脸识别等人工智能技术促进行业发展、维护医疗秩序、保障人民群众人身和财产安全是必经之路。而也正由于有国家政策的支持，有关人脸识别等人工智能技术在医疗行业的发展与应用不断加快。

二、人工智能在医疗行业的体现

近年来，各地医院信息化建设不断加快，而在各医院信息化建设中，涉及医院安全防范类的建设又属院方最为关注的，医院内部各公共区域、功能区域的人员安全防范与管理给院方带来了巨大的挑战。

目前在各医院新建、改造的同时，医院内部自建安防系统的覆盖面和力度日渐加快，随之进入高清化、数字化的时代。但通过人工的方式去监控、检索、查找目标人员的相关信息，受到人的注意力、观察力和主观判断力等因素的影响，难免有疏漏。如何实现智能、高效、快速的人员信息采集、捕捉与处理，遏制惯偷作案，杜绝黄牛挂号，减少医闹事件发生和预防职务犯罪是当前院方急需解决的问题。因此，急需加强人员管理相关理念和处理技术的创新，将海量视频资源中包含的各类人员信息资源提取出来，与医院内部的相关业务信息相结合，构建专业化的人工智能信息处理系统，有效保障医院范围内的公共安全秩序，提升医疗服务能力。虽然人工智能在中国的发展才刚起步，但已给医疗行业带来巨大的改变，主要表现有：

结合机器人技术的人工智能产品，给患者的复健带来新的技术手段；结合人工智能的管理流程，改变传统医疗就诊模式，释放优势医疗资源；基于深度学习的人工智能技术，给医疗行业带来巨量的有效数据积累，可以解决医疗健康市场的长期数据低效问题；基于深度学习的人工智能技术，让医学研究更深入更全面；

三、人脸识别在医疗行业的应用

人脸识别系统目前已大规模应用于公共安全领域，延伸到医疗行业，可进行的应用体现在多方面，结合医疗行业的应用需求与业务特点，我们推出了相应的解决方案。

1.重点应用

(1)打击涉医犯罪，确保就诊安全。建立有针对性的涉医犯罪人员布控库，与属地公安部门配合，进行实时布控。

(2)管控职务犯罪，控制不当竞争。对进入医院诊疗区域的医药代表进行管控，协助解决药品流通领域经营不规范、竞争失序等问题。

(3)杜绝职业医闹，保护人身安全。打击频繁出现的职业医闹，提高事件的响应速度，从被动响应变为主动预防。

(4)规范就诊流程，和谐医患关系。重点防范黄牛、医托等干扰正常就诊秩序的特殊人群。

(5)加强监管力度，维护医保基金。实现就诊病人与医保信息库中身份证照的比对，杜绝冒用医保卡的现象。

(6)易肇事肇祸严重精神障碍患者管控。结合“雪亮工程”，确保严重精神障碍患者流入地、流出地发现管控到位。

2.系统拓扑

前端接入终端：主要是实现医院各种区域、各种环境下视频码流的接入，包括大门、诊区、通道等重要场所，以及各类历史视频信息或图片等，为人脸识别处理系统提供数据来源支撑。

网络传输：主要实现各类视频信息的数据传输和通信。

后端处理服务：包括用于计算、分析、存储的服务器终端设备、数据库和服务软件。其中数据库包括布控人员信息库、静态检索人员信息库、历史通过人员日志信息库以及系统基础信息等。通过后端处理系统综合实现传输过来的视频信息分析、人脸信息采集、特征提取和人员比对报警等处理应用。

业务应用系统：主要是基于后端提供的各类服务，满足人脸识别比对应用需求。

3.逻辑架构

如上图所示，整个平台依托于安全体系和标准体系进行顶层设计，整体架构分为五层(从下至上)：数据接入层、算法服务层、人像资源层、功能应用层和数据展示层。平台涉及的数据资源种类以及各个应用系统众多，可集成人脸识别相关的各种资源、算法和应用，实现灵活而又全面的数据接入、数据分析、数据展示。

4.人脸业务库

人脸识别系统业务应用中包括三种类型的人脸库：动态布控库、静态检索库、人脸日志库。如下图所示：

动态布控库：动态布控库关联实时布控任务，也称“黑名单库”。库中包含各种类型的 “重点人员”的人脸图片、人员身份信息和结构化的人脸特征数据，主要的应用场景是在各个布控地点进行实时的人脸比对和报警。

静态检索库：静态检索库包括大规模的人脸图片、人员身份信息和结构化的人脸特征数据，例如就诊、住院病患信息库，惯偷库，黄牛、职业医闹库和来访医药代表库等，导入后主要的应用场景是图片检索比对和身份信息查询，确定人员身份。

人脸日志库：人脸日志库包括动态布控中抓拍的现场全景图片、人脸图片和结构化的人脸特征数据、抓拍地点、抓拍时间等信息。主要业务应用场景是进行人脸图片检索，查询目标人员出没地点、时间，对人员定位，结合GIS地图进行轨迹分析等。

四、人脸识别在医疗行业的突破点

人脸识别在医疗行业的应用突破基于三点：

1.获取到目标对象的信息：因为行政体系不同，医疗行业想获取到目标对象信息存在较大困难，需相关行政单位进行关键的协调工作。目标对象信息包含但不局限于：人脸照片、人像照片、人员基本信息、人员动态等。

2.人脸识别的算法进一步提升：目前的人脸识别算法的精度已经达到了相当高的水准，误报、漏报均已控制在可接受范围；更近一步的算法，可以从非结构化的视频/图片中获取更多的价值信息，从更多地维度来实现不同的应用。

3.管理者思维和水平的提升：人工智能、人脸识别是革命性颠覆性的技术，可以给医疗行业带来巨大的提升。如何将人脸识别真正应用到医疗行业的各方各面需要管理者与技术提供方一起拓展思维、共同努力。