本发明属于医疗领域及计算机领域，尤其涉及一种基于机器视觉的医院智能就诊系统。
背景技术：
我国医疗资源总量不足，且同一地区的不同医院的日常排队情况受到多个因素影响，如医院等级、医院知名度、个别科室专家坐诊、医院对应单位体检、患者定期复诊、医院附近地区疾病爆发等。对于患有普通疾病的患者，由于该疾病较易治愈，患者的诉求只有避开需要长时间排队挂号的情况，尽快见到医生，接受治疗。现有的医院排队策略一般是从医院的角度出发，以不同的排队策略来对院内排队人群进行服务。
现有的技术方法均是从单个医院的角度出发，通过在医院中设立排队叫号系统或采用不同的服务策略来提高效率，降低成本，如王昱等人提出的一种门诊排队方法以三种不同的排队策略计算患者等待时间和医院单位时间的服务成本。这些技术方法都是从单个医院角度，在患者已到达医院的情况下进行的策略选择或系统服务，并没有解决单个患者选择哪家医院能得到最快速的治疗，避免长时间的排队挂号。
技术实现要素：
本发明的目的在于针对现有技术的不足，提供一种基于机器视觉的医院智能就诊系统，该系统利用机器视觉技术，结合最短路径算法，为患者提供最快挂号接受医生治疗的策略选择。
本发明的目的是通过以下技术方案来实现的：一种基于机器视觉的医院智能就诊系统，采用机器视觉中的人头检测方法，并在医院排队的场景下对其进行优化，检测出医院挂号窗口当前排队人数，结合每个窗口处理单个患者的平均时长，计算出每个窗口排队所需等待时间，再根据患者和各医院的地理位置，通过最短路径算法计算出患者到达各医院的时间。由于医院的排队人数在患者从出发到抵达医院这个时间段内还会产生变化，故本发明加入了对某一时间段排队人数变化的预测模型：医院排队情况基本以周为单位呈现周期性变化，而大多数预测模型不具有实时性，故本发明通过医院视频监控中近四周内每周历史数据的平均值计算出在患者到达医院这段时间内各个挂号队伍的变化情况；最终计算出患者从出门到挂号所需的时间，提供给患者快速就诊的策略选择；该系统具体包括以下四个模块：
(1)排队人数获取模块：从医院门诊大厅监控视频中提取所有挂号窗口的排队人数；结合每个挂号窗口处理一个患者的平均时长，得到当前时刻t1到达医院需要等待的时间t1；
(2)最短路径获取模块：根据患者当前所在位置和各医院的地理位置信息，结合患者选择的出行方式、路况信息，以路口为顶点，路段为边，患者通过某路段所需时间为权值构成一幅加权有向图，调用dijkstra最短路径算法以患者当前所在位置s为起点，医院位置d为终点，每次选择一个距离s最近的非树顶点添加到该图的最短路径树中，直到将d加入为止，由s到d经过的所有路径的权值之和即为患者到达某医院所需的最短时间t2；
(3)排队人数预测模块：医院的门诊人数基本以周为单位呈现周期性变化，且每天各个时段人数相差较大；根据每周当前时刻t1和最短路径获取模块得到的患者到达某医院所需的最短时间t2，结合该医院挂号窗口排队人数的历史数据，取每周该时间段(从t1时刻到t1+t2时刻)的队伍增减人数的平均值n，作为队伍在t2时间段内的变化情况，从而得到在t1+t2时刻，即患者到达该医院时需要等待的最短时间t3；将t4＝t2+t3作为该患者从出门到在该医院挂号所需的最短预测时间；
(4)智能推荐模块：将排队人数预测模块得到的所有医院对应的最短预测时间t4进行升序排列，给出最短预测时间t4和对应医院的多个组合，供患者选择。
进一步地，所述排队人数获取模块中，由于摄像头是俯视角度，选择manuelj.marin-jimenez等人提出的headdetector人头检测方法，检测任意角度的人头，避免多人重叠无法检测的情况。
进一步地，所述排队人数获取模块中，在人头检测的结果图像上，依据监控拍摄角度和监控到挂号窗口的距离，按照一定的比例尺，以距离挂号窗口中心点1.5倍标准头宽w1处为起点分别做两条平行线段，与两线段所围区域有交集的人头数即为该队伍目前的排队人数。
进一步地，为排除队伍后面有行人经过的干扰，采取两个措施：一：依据日常排队的人与人之间的正常间距，设置一个距离阈值，大于该距离阈值的人头不作为排队者，从而排除和队伍同一直线但不移动的行人；二：依据队伍宽度w2＝3*w1和行人行走速度v，隔δt时间重复做一次人头检测，两者取较小值作为最终的人头数，从而排除在队伍尾部距离阈值内经过的行人和穿过队伍的行人，δt>(w1+w2)/v。
本发明的有益效果是：本发明创新性地从患者的角度提出一种满足患者快速就诊诉求的方法，从医院门诊大厅的监控视频中，通过适应性修改机器视觉领域的人头检测方法提取排队人数，结合患者到达医院时间及该时间段内队伍的变化情况，最终得到患者从出门到挂号所需的时间，提供给患者多个就诊解决方案以供选择。
附图说明
图1为基于机器视觉的医院智能就诊系统框架图；
图2患者排队示意图；
图3为具体实例的实现示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明。
本发明提供的一种基于机器视觉的医院智能就诊系统，如图1所示，包括以下四个模块：
(1)排队人数获取模块：从医院门诊大厅监控视频中提取所有挂号窗口的排队人数；结合每个挂号窗口处理一个患者的平均时长，得到当前时刻t1到达医院需要等待的时间t1；
由于摄像头是俯视角度，可以选择manuelj.marin-jimenez等人提出的headdetector人头检测方法，检测任意角度的人头，避免多人重叠无法检测的情况；但不限于headdetector人头检测方法；
在人头检测的结果图像上，依据监控拍摄角度和监控到挂号窗口的距离，按照一定的比例尺，以距离挂号窗口中心点1.5倍标准头宽w1(通常为20厘米左右)处为起点分别做两条平行线段，与两线段所围区域有交集的人头数即为该队伍目前的排队人数，如图2所示；
为排除队伍后面有行人经过的干扰，采取两个措施：一：依据日常排队的人与人之间的正常间距，设置一个距离阈值(可以选取0.5米作为阈值)，大于该距离阈值的人头不作为排队者，从而排除和队伍同一直线但不移动的行人；二：依据队伍宽度w2＝3*w1(通常为0.6米左右)和行人行走速度v(通常为1米每秒左右)，隔δt时间(例如δt取5秒)重复做一次人头检测，两者取较小值作为最终的人头数，从而排除在队伍尾部距离阈值内经过的行人和穿过队伍的行人，δt>(w1+w2)/v。
(2)最短路径获取模块：根据患者当前所在位置和各医院的地理位置信息，结合患者选择的出行方式、路况信息，以路口为顶点，路段为边，患者通过某路段所需时间为权值构成一幅加权有向图，调用dijkstra最短路径算法以患者当前所在位置s为起点，医院位置d为终点，每次选择一个距离s最近的非树顶点添加到该图的最短路径树中，直到将d加入为止，由s到d经过的所有路径的权值之和即为患者到达某医院所需的最短时间t2。
(3)排队人数预测模块：医院的门诊人数基本以周为单位呈现周期性变化，且每天各个时段人数相差较大；根据每周当前时刻t1和最短路径获取模块得到的患者到达某医院所需的最短时间t2，结合该医院挂号窗口排队人数的历史数据，取每周该时间段(从t1时刻到t1+t2时刻)的队伍增减人数的平均值n，作为队伍在t2时间段内的变化情况(例如患者周二上午九点出发九点半抵达该医院，系统提取近四周内每周二上午九点和九点半这两个时刻该医院内某个挂号窗口队伍的排队人数总和，分别记为sa和sb，则预测该窗口当天九点到九点半的队伍增减人数的平均值n＝(sb-sa)/4，其中4代表4周)，从而得到在t1+t2时刻，即患者到达该医院时需要等待的最短时间t3；将t4＝t2+t3作为该患者从出门到在该医院挂号所需的最短预测时间。
(4)智能推荐模块：将排队人数预测模块得到的所有医院对应的最短预测时间t4进行升序排列，给出最短预测时间t4和对应医院的多个组合，供患者选择。
本发明的应用场景是当用户患有较易治疗的疾病，如感冒等，用户的核心诉求不是追求名医名家，而是尽快见到医生接受治疗。如图3所示，患者从家中出发选择a、b两家医院的其中一家，虽然b医院地理位置更近，但a医院更符合快速挂号就诊。