罗安1  周聪俊1  史鹏翔1  许春霞1 师改梅1 杜娟2 何进1 徐明1
（1四川骏逸富顿科技有限公司；四川成都610036；2南充市嘉陵区市场监督管理局；四川南充637100）
摘要 提出了一种用于电子处方的身份认证方法，当有电子处方开具请求时触发初始人像采集，获取当前初始人脸图像并比对，如比对失败则开具电子处方后，获取校验人脸采集并分析，如分析成功则获取当前用户购药信息，更新当前用户的购药信息，如超过购药次数阈值则输出异常提示信息。实现了电子处方从开具到取药的全流程监管，为打击销售回收药品、药店店员代买药等不合规行为的监管提供了数据基础。
关键词  电子处方 人脸检测 人脸比对
0  引言
　　电子处方是指远程在线诊疗后填写治疗信息，开具非纸质的处方，并通过网络传输至药房终端，经药学专业技术人员审核、调配、核对及计费后，作为药房发药和医疗用药的医疗电子文书。随着计算机技术及医院网络化的发展，越来越多的药店使用了远程问诊系统，患者通过药店的“微问诊”服务终端，就可以得到医生在线诊断，快速获取电子处方，经由线上药师审核通过后，即可在实体药店买到所需处方药品。
　　对药店来说，能借助微问诊的平台和工具，经过在线问诊等环节后，将医药产品直接销售给患者，实现产品增收；对患者来说，可免于在医院排队挂号的繁杂手续，实现就医便利、让基层医疗服务触手可及；医生也能通过线上接诊获取诊疗费，增加收入来源；对政府来说，所有处方和药品信息、销售记录都存储中。但在便利各方的同时，如何加强药品购买管理、开展诸如打击销售回收药品的专项检查、确保用药安全等均成为目前亟待解决的问题。
1 身份认证方法
1.1电子处方开具请求
1.2人脸检测
　　使用基于haar的级联adaboost方法利用训练好的人脸分类模型对监控画面进行人脸检测，判断人脸是否处于监控画面中央，是则进入人脸比对环节，否则，提示人脸居中，重复进行人脸检测。
（1）计算当前初始人脸图像中人脸区域的中心点坐标
　　计算人脸区域的中心点坐标的公式为：
　　
　　其中，表示检测到的人脸图像的外边框的左边界，表示检测到的人脸图像外边框的右边界，表示检测到的人脸图像外边框的上边界，表示检测到的人脸图像外边框的下边界。
（2）判断人脸是否处于监控画面中央
　　当且时，表明人脸处于监控画面中央，否则，表明人脸不在监控画面中央。其中，表示监控画面的图像宽度，表示监控画面的图像高度。
（3）获取当前初始人脸图像后，如存在多张人脸，则将当前初始人脸图像中面积最大的人脸区域作为当前初始人脸图像中人脸区域，然后继续判断当前面积最大的人脸区域是否位于当前人脸图像的中央。最大人脸的判断方法为：
1）计算每张人脸图像的宽度、高度
　　分别用、表示第张人脸图像、高度，宽度和高度的计算公式分别为：
　　
　　
　　其中，表示第张人脸图像外边框的左边界，表示检测到的人脸图像的外边框的右边界，表示第张人脸图像外边框的上边界，表示检测到的人脸图像的外边框的下边界，表示共张人脸。
2）确定最大人脸
　　用表示人脸序列中第张人脸，那么表示人脸序列中最大的人脸。
1.3 人脸比对
　　 获取当前初始人脸图像，然后判断店员人脸数据库中是否存在与当前初始人脸图像的相似度大于阈值的店员人脸图像，如是，则输出用户购药提示信息，如否，则根据当前电子处方开具请求开具电子处方。其中，人脸比对方法如下：
（1）提取初始人脸图像中的特征点或校验人脸图像中的特征点，得到每个特征点的128维特征向量，并将当前初始人脸图像中所有特征点的128维特征向量作为当前初始人脸图像的128维特征数组，将校验人脸图像中所有特征点的128维特征向量作为当前校验人脸图像的128维特征数组；
（2）将当前初始人脸图像的128维特征数组与店员人脸数据库中每个店员人脸图像得到多个初始特征距离，或将当前校验人脸图像的128维特征数组与用户人脸数据库中每个用户人脸图像的128维特征数组进行比对得到多个校验特征距离，其中：
　　
　　
　　式中，为任一初始特征距离或任一校验特征距离，且的取值范围为[0,3]的浮点数，为当前初始人脸图像或校验人脸图像的第维特征值，为店员人脸数据库中任一店员人脸图像或用户人脸数据库中任一用户人脸图像的第维特征值，为变量表示维度数。
（3）根据每个初始特征距离得到一个初始相似或根据每个校验特征距离得到一个校验相似度，其中：

（4）依次判断每个初始相似度是否大于阈值，如是，则判定当前初始人脸图像与计算当前初始相似度时对应的店员人脸图像为同一个人，输出用户购药提示信息。
1.4 后台分析
　　用户购药信息包括药物类别及每个药物类别对应的购买次数，更新当前用户购药信息时，获取当前药品信息中的药品类别，判断每个药品类别是否属于监管药品，如是，则将当前用户购药信息中与当前属于监管药品的药品类别对应的购买次数加1，如否，则将当前电子处方开具请求标记完成。如当前用户购药信息中没有当前属于监管药品的药品类别，则新建当前属于监管药品的药品类别并将其对应的购买次数标记为1。
2 结束语
通过人脸采集、人脸比对、数据分析的配合使用，实现了电子处方从开具到取药完成的全流程监管，用户购药信息出现异常情况时能够及时进行提示，便于监管部门能够及时处理.同时，采用人脸分析及人脸对比的方式，保证每个药品购买行为均能够被有效记录，为后期进行打击销售回收药品、药店店员代买药等不合规行为的监管提供了数据基础。同时，还可以通过电子处方自动统计药师每月开处方药的次数，来控制药师违规代开药现象，当出现违规代开药现象时给予药师警告，进而促使电子处方诊疗过程更加规范；通过人脸识别技术自动统计每个用户预设周期内买监管范围内的药品的次数，当监管范围内的药品购买数量超过预设数量时，进行人工干预，判断是近期频繁生病还是违规回购药品，适于推广使用。
参考文献
[1]互联网医院处方流转平台规范化管理专家共识.今日医学.2020-04-15
[2]沈丽花，医院药师在药品调配过程中的执业风险与对策的研究，今日医学，2020-03-19