探析人脸识别技术在医院支付领域的发展

文珊

【摘要】    互联网技术的发展，为各行各业带来的改变是肉眼可见的，在医疗领域，各个医院在互联网上的改造也是相对积极的，医院支付领域也是如此，为患者就诊支付带来了更多便利。本文将在介绍人脸识别技术的基础上，讨论人脸识别技术在医院支付领域的发展。

【关键词】    人脸识别技术    医院支付领域    发展情况

引言

互联网技术的快速发展，也为医院的就诊方式与支付方式带来了较大的变化，在就诊方式上，主要为多渠道就诊，在一定程度上，避免患者出现就诊等待时间过长的问题。除了为患者带来的便利，相应产生的问题同样不容忽视，那就是在就诊阶段，会产生丢失手机或就诊卡的情况，进而出现盗用患者就诊费用的现象，影响患者的最终诊金支付。如何为患者在就诊阶段资金安全性，提供全方位保护，就成了一个重要问题，这也讓以人脸识别为代表的生物特征识别技术，有了更大用武之地[1]。

生物特征识别技术的作用就是用于个人身份认定，是通过人体固有生物特征实现功能的。在工作原理上，主要是通过操纵计算机，结合光学、声学、生物统计学、生物传感器等高科技手段，对人体固有生理特性与行为特征，完成个人身份鉴定的任务。其中，生理特性主要包含面部、指纹、虹膜等，行为特征主要包含声音、笔迹、步态等，人脸识别与指纹识别是当前技术发展背景下，应用较为广泛的识别方式，也是具备较大技术发展空间的识别方式。

以人脸识别为例，现阶段主要应用模式可分成三种：首先是人脸识别监控，其次是人脸识别比对检索，最后是身份确认，也就是对出现在监控中，和照片中的人进行比对，判断是否为同一个人。由于人脸识别技术在身份鉴定上相对快捷，只需要几秒，而且身份认证准确率较高，因此很多身份认证的必要场所，例如医院、银行等，都广泛使用了此技术[2]。

一、人脸识别技术在医院支付领域的发展

1.1人脸识别技术

1 技术简介

人脸识别技术主要是通过对人面部特征的识别，对比识别设备接收到的面部信息，将人的实际面部相对比，进而实现对人身份的识别。人脸识别对计算机相关技术而言，极具挑战性。究其原因，主要是因为人脸识别在技术上，需要以图形为基础，图像的清晰度，会被成像角度、光照等因素所影响。

而现实中的人脸是三维角度的，人脸识别只是识别正面面部特征，也就是在二维的角度上完成识别任务，就会导致一部分信息丢失。

通常情况下，人脸识别都是将接收到的面部信息，和图形库进行相互比对匹配，因此，如何在最短时间内精准识别，也是人脸识别技术的重点和难点。

2 人脸识别技术发展

关于人脸识别的研究，最早可追溯至上世纪60年代，当时主要有两个方向可供选择，一种是人脸几何特征的提取，另一种是模板匹配。进入到上世纪90年代之后，技术的发展极大提升了人脸识别的检测精度，但是还是未能和用户要求精准匹配。直到基于AdaBoost算法的人脸检测器横空出世，才算真正提升了人脸识别技术的检测速度，为人脸识别的开发提供了更大的潜力[3]。

AdaBoost算法主要可以实现分类功能，在分类之后，就可以加快提取人脸图像特征的速度。在人脸特征提取方式上，基于表征方法的不同，主要可分成两种：首先，基于传统概念，主要靠人脸大小、器官位置等信息，对人脸进行表征;其次，是基于统计学习或代数特征进行表征，在概率工具的辅助下实现表征功能。

除此之外，人脸匹配和识别，也是人脸识别技术过关的关键问题，如何构建算法，进而快速完成识别工作，始终是人脸识别技术发展阶段的重要任务。匹配可以分成一对一，以及一对多的情况进行讨论，前者证明“我是我”，后者证明“我是谁”。

二、现阶段人脸识别技术

当前技术发展背景下，机器学习技术的发展水平很高，传统用于实现人脸特征匹配功能的算法，也已经在功能上有了更高效的替代技术，也就是卷积神经网络技术。卷积神经网络技术是基于视觉神经机制开发的，而视觉神经机制的实质，是多层感知机的变种，这项技术最早是由生物学者Wie Gsel与Hubel的猫视觉皮层研究结果发展至今的，在2012年，由该技术开发的算法才算真正在实际生活中流行起来。在当年举办的ImageNet大规模视觉识别挑战赛上，KrizhevskyA团队利用卷积神经网络赢得冠军，也让卷积神经网络走进人们的视野，一跃成为比赛之后的主流算法，在相关研究者的共同努力下，逐步完善，近些年开发的深度学习系统，取得的进步也十分明显[4]。

2.1人脸支付

1 人脸支付发展历程

医院信息化水平的提升，让门诊移动支付这个就诊必须经历的环节，逐渐被患者所注意并重视，妇幼保健专科医院尤其如此。

当前技术发展背景下，移动支付应用最广的方式，仍然以扫描二维码方式为主，尽管相对便利，但是如果付款的人从而接触过智能手机，则扫描二维码技术仍有其局限性。相对而言，人脸支付就可以将支付过程，简化成为“只识别一张脸”，便捷程度大大提升。

人脸支付的过程正是基于人脸识别技术实现的，鉴于其认证过程，需要对人体生物特征进行鉴别，而每个人的人体特征，都是千差万别的，不仅具有唯一性，也具备可自动识别、可测量与可验证、可遗传等特性，即使存在面貌相似的人，也很容易被人脸识别技术捕捉到，因此，支付安全性也被大大提升[5]。

我国率先采用人脸支付的是支付宝软件，在顾客购物之后，传统输入密码或者扫收款码的方式，会被刷脸方式所替代，也就是验证“付款人即是我本人”的问题。支付宝人脸识别技术是深度神经网络技术，通过各种技术手段，对图像中接收的人脸信息进行识别。技术手段包含人脸检测、人脸关键部位定位、人脸特征提取与不对等。由此可以看出，一部手机就可以实现人脸识别的整个过程，说明在当前技术发展背景下，人脸识别不具备较高硬件要求，技术已经走向成熟。

2 人脸支付操作流程

人脸识别在操作流程上十分简单，患者可以在医院信息系统的相关服务平台上，注册自己的信息，并采集和输入自己的脸部特征，并和自己医院的就诊卡相互绑定。这些过程在手机上就能完成。这样就能在进入到支付环节时，出现人脸识别的页面，患者想缴费，只需要正脸面向医院自助设备摄像头，保证自己正脸信息完全输入，在系统充分分析过人脸照片之后，就能够在患者事先绑定的银行卡账户上，完成相应的扣款操作。过程整体都是自动化的，因此推广价值很大[6]。

3 人脸支付技术优势

人脸支付在现阶段具有很大的优势，不仅使交费效率有效提升，而且也为患者就诊提供了最大的方便。此外，患者在交费过程中，不会涉及到输入密码等操作，因此也能较大提升账户安全性。

整个就诊阶段，患者无需在收费处和科室之间来回奔波，也不用在自助设备的操作上耗费太多时间，无论是检验、检查等环节，还是药房和科室等不同部门，都可以进行人脸支付。与此同时，医院固有的信息系统，还能够对患者本人身份进行核实，防止出现医疗差错[7]。

4 人脸识别技术在费用支付中的弊端和解决措施

鉴于人脸识别技术自身的一些短板，在人脸支付中还有一些值得引起重视的不足之处。首先，人脸识别技术，并不能百分之百保证识别正确率，出现错误的概率尽管低，但还是存在这种可能的。同时，生物特征在改变上，相对困难，容易被盗用或者复制，却难以更改，这也导致人脸识别支付，无法保证验证身份时较高的可靠性。

基于此，如果相对人脸识别技术进行优化，应当从以下方面进行：首先，应当重视生物识别算法的完善，保证算法先进的前提下，使识别效率和识别准确度得以全面提升;其次，可以在冗余安全原則的思想下，为支付安全上更多的密码锁，结合支付密码、指纹验证等支付形式，给予多重信息保护，增加信息验证的可靠性，提高支付的安全性。

除此之外，应重视模块化技术的应用与推广，加强身份验证的独立性，令患者操作更加简单，为患者信息安全提供强有力保障[8]。

三、结束语：

综上所述，人脸识别技术当前发展较为成熟，在医院支付领域中，尽管仍存在一些问题，但是随着人脸识别效率的提升，未来支付一定会更加便利，使医疗系统获得可持续发展。

参  考  文  献

[1]周轩，刘宇轩，彭勇.基于心导管室信息管理系统影像数据安全机制的研究和设计[J].中国医疗设备，2020，35（4）：79-82.

[2]王守觉，曲延锋，李卫军，覃鸿.基于仿生模式识别与传统模式识别的人脸识别效果比较研究[J].电子学报，2004，32（7）：1057-1061.

[3]黄铉，王俊雄，谢锡锋.基于YCbCr空间与KL变换结合在人脸检测中的应用[J].电脑知识与技术：学术交流，2005（11）：55-57.

[4]乔宇，黄席樾，柴毅，邓金城，陈虹宇.基于加权主元分析（WPCA）的人脸识别[J].重庆大学学报：自然科学版，2004，27（3）：28-31.

[5]王秋樵，李凤如，史培娜，崔玫，刘建.移动支付技术在门诊中的应用效果分析[J].中华医院管理杂志，2016，32（4）：288-291.

[6]王海龙，王怀斌，王荣耀，王海涛，刘强，张鲁洋，蒋梦浩.基于视频监控的人脸识别方法[J].计算机测量与控制，2020，28（4）：137-141.

[7]王延昭，张晓祥，奈存剑，任宇飞，屈晓晖，胡建平.医院信息系统分级授权管理机制的研究和设计[J].中国医院管理，2016，36（3）：54-55.

[8]刘海琴，罗靖，杨敏娟，施叶雯，陈勃言，冯雅妮，张一彤，侯瑾，罗花南，任晓勇.健康大数据背景下患者隐私暴露的伦理思考[J].中国医学伦理学，2019，32（10）：1283-1287.