胜任力评估方法及装置制造方法及图纸

本发明专利技术提供一种胜任力评估方法及装置，通过捕捉胜任力测定者在观看具有不同认知刺激角度的预制视频时的面部活动特征以及胜任力预估神经网络模型，对胜任力测定者的胜任力进行预估，相比于问卷调查的方式，有效缩短了预估时间，提高了预估效率，相比于简历判断的方式，提高了预估的准确度。

【技术实现步骤摘要】
胜任力评估方法及装置
本专利技术涉及评估和计算领域，具体涉及一种胜任力评估方法及装置。
技术介绍
心理学中的胜任力理论主要用于研究“某个人是否有能力适应某个岗位”、“适应某个岗位的人有什么特征”的问题。胜任力理论主要是根据不同的个体在面对相同的任务时产生的不同的认知信息加工机制、问题求解的策略选择，从而在特定题目上得分有差异，从而能够得到适应某个岗位的个体需要具有什么特征。上述不同胜任力的形成是由于每个个体在感知觉的刺激阈限、注意资源、工作记忆、刺激信息表征方式、语义记忆体系、问题解决策略等方面存在差异，造成了对认知信息的加工过程不同。再进一步，上述在认知信息加工过程中的各种差异，主要是由于不同个体的脑结构存在差异以及不同个体在启动认知任务时的脑网络层级水平的活动存在差异造成的。故具备不同的脑结构、活动差异的个体，一方面在认知信息加工过程中表现出差异，另一方面在伴随性的生理表征上也存在差异。当前一般通过问卷调查的方式或简历判断的方式确定个体的胜任力，上述问卷调查的方式虽然能够得到比较准确胜任力结果，但是耗时较长，一般需要消耗1至2个小时的时间，效率低下。上述简历判断的方式虽然在大众接受程度上比较高，但是评估的准确度较差。综上，当前的胜任力评估方法都无法实现胜任力的快速、准确评估。
技术实现思路
(一)解决的技术问题针对现有技术的不足，本专利技术提供了一种胜任力评估方法及装置，解决了现有技术中胜任力评估效率低、准确度差的技术问题。(二)技术方案为实现以上目的，本专利技术通过以下技术方案予以实现：第一方面，提供了一种胜任力评估方法，包括：向胜任力测定者播放具有不同认知刺激角度的预制视频；分别获取胜任力测定者在观看每种预制视频过程中的面部活动特征；利用胜任力预估神经网络模型，对胜任力测定者在观看每种预制视频对应面部活动特征进行处理，得到所述胜任力测定者的胜任力预估结果；其中，所述胜任力预估神经网络模型是利用多个样本测定者的胜任力特征以及多个样本测定者在观看每种预制视频过程中的面部活动特征训练得到的。在一种可能的实施方式中，所述面部活动特征为胜任力测定者面部的至少一个预定区域内的面部活动特征。在一种可能的实施方式中，所述面部活动特征包括以下至少一项：胜任力测定者在观看每种预制视频时的面部温度变化；胜任力测定者在观看每种预制视频时的心率变化；胜任力测定者在观看每种预制视频时的呼吸变化。在一种可能的实施方式中，所述获取胜任力测定者在观看每种预制视频过程中的面部活动特征，包括：获取胜任力测定者在观看每种预制视频时的面部图像，得到每种预制视频对应的K张面部图像；其中，K为正整数；针对每种预制视频对应的每张面部图像，基于该面部图像与该面部图像对应的比较图像的灰度值的变化，确定该面部图像对应的温度变化值、心率变化值以及呼吸变化值；针对每种预制视频，基于该预制视频对应的每张面部图像的温度变化值、心率变化值以及呼吸变化值，确定胜任力测定者在观看该预制视频过程中的面部活动特征。在一种可能的实施方式中，所述该面部图像对应的比较图像为在拍摄所述该面部图像的前一秒或后一秒拍摄的面部图像。在一种可能的实施方式中，所述方法还包括构建所述胜任力预估神经网络模型的步骤：获取多个样本测定者的胜任力特征；获取多个样本测定者在观看每种预制视频过程中的面部活动特征；基于所述多个样本测定者的胜任力特征，以及多个样本测定者在观看每种预制视频过程中的面部活动特征，训练得到所述胜任力预估神经网络模型。在一种可能的实施方式中，所述方法基于多个样本测定者对胜任力测定问卷的答案，获取所述多个样本测定者的胜任力特征；所述胜任力特征包括各项胜任力因素的得分。在一种可能的实施方式中，所述胜任力预估神经网络模型包括3个卷积&MaxPooling、1个全链接层以及一个p＝0.5的Softmax层。在一种可能的实施方式中，所述具有不同认知刺激角度的预制视频包括以下至少一个预制视频：针对感知觉的预制视频；针对工作记忆的预制视频；针对语义记忆的预制视频；针对高级认知加工的预制视频；其中所述高级认知包括逻辑推理、计算以及问题求解。第一方面，提供了一种胜任力评估装置，包括：视频展示模块，用于向胜任力测定者播放具有不同认知刺激角度的预制视频；特征获取模块，用于分别获取胜任力测定者在观看每种预制视频过程中的面部活动特征；胜任力预测模块，用于利用胜任力预估神经网络模型，对胜任力测定者在观看每种预制视频对应面部活动特征进行处理，得到所述胜任力测定者的胜任力预估结果；其中，所述胜任力预估神经网络模型是利用多个样本测定者的胜任力特征以及多个样本测定者在观看每种预制视频过程中的面部活动特征训练得到的。(三)有益效果本专利技术实施例提供了一种胜任力评估方法及装置。具备以下有益效果：本专利技术实施例首先向胜任力测定者播放具有不同认知刺激角度的预制视频；之后，分别获取胜任力测定者在观看每种预制视频过程中的面部活动特征；最后利用胜任力预估神经网络模型，对胜任力测定者在观看每种预制视频对应面部活动特征进行处理，得到所述胜任力测定者的胜任力预估结果。其中，所述胜任力预估神经网络模型是利用多个样本测定者的胜任力特征以及多个样本测定者在观看每种预制视频过程中的面部活动特征训练得到的。上述技术方案通过捕捉胜任力测定者在观看具有不同认知刺激角度的预制视频时的面部活动特征以及胜任力预估神经网络模型，对胜任力测定者的胜任力进行预估，相比于问卷调查的方式，有效缩短了预估时间，提高了预估效率，相比于简历判断的方式，提高了预估的准确度。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1示意性的示出了本专利技术一实施例的胜任力评估方法的流程图；图2示意性的示出了本专利技术另一实施例的胜任力评估方法中构建胜任力预估神经网络模型的流程图；图3示意性的示出了本专利技术一实施例的胜任力评估装置的框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。针对现有技术中胜任力预估效率低、准确性差的缺陷，本申请的一些实施例提供了一种胜任力预估方法，该方法不仅能够提高胜任力预估的效率，并且能够提高预估准确度。具体地，如图1所述，本实施例的胜任力预估方法包括如下步骤：S110、向胜任力测定者播放具有不同认知刺激角度的预制视频。这里，预制视频是通过采用特殊编制方法编制的视频材料，用于激发胜任力测定者的感知觉、工作记忆、语义记忆、高级认知加工等认知行为。具体地，具有不同认知刺激角度的预制视频包括以下至少一个预制视频：针对感知觉的预制视频；针对工作记忆的预制视频；针对语义记忆的预制视频；针对高级认知加工的预制视频；其中所述高级认知包括逻辑推理、计算以及问题求解。本步骤利用预制视频作为认知刺激本文档来自技高网...

【技术保护点】
1.一种胜任力评估方法，其特征在于，包括：向胜任力测定者播放具有不同认知刺激角度的预制视频；分别获取胜任力测定者在观看每种预制视频过程中的面部活动特征；利用胜任力预估神经网络模型，对胜任力测定者在观看每种预制视频对应面部活动特征进行处理，得到所述胜任力测定者的胜任力预估结果；其中，所述胜任力预估神经网络模型是利用多个样本测定者的胜任力特征以及多个样本测定者在观看每种预制视频过程中的面部活动特征训练得到的。

【技术特征摘要】
1.一种胜任力评估方法，其特征在于，包括：向胜任力测定者播放具有不同认知刺激角度的预制视频；分别获取胜任力测定者在观看每种预制视频过程中的面部活动特征；利用胜任力预估神经网络模型，对胜任力测定者在观看每种预制视频对应面部活动特征进行处理，得到所述胜任力测定者的胜任力预估结果；其中，所述胜任力预估神经网络模型是利用多个样本测定者的胜任力特征以及多个样本测定者在观看每种预制视频过程中的面部活动特征训练得到的。2.根据权利要求1所述的方法，其特征在于，所述面部活动特征为胜任力测定者面部的至少一个预定区域内的面部活动特征。3.根据权利要求2所述的方法，其特征在于，所述面部活动特征包括以下至少一项：胜任力测定者在观看每种预制视频时的面部温度变化；胜任力测定者在观看每种预制视频时的心率变化；胜任力测定者在观看每种预制视频时的呼吸变化。4.根据权利要求3所述的方法，其特征在于，所述获取胜任力测定者在观看每种预制视频过程中的面部活动特征，包括：获取胜任力测定者在观看每种预制视频时的面部图像，得到每种预制视频对应的K张面部图像；其中，K为正整数；针对每种预制视频对应的每张面部图像，基于该面部图像与该面部图像对应的比较图像的灰度值的变化，确定该面部图像对应的温度变化值、心率变化值以及呼吸变化值；针对每种预制视频，基于该预制视频对应的每张面部图像的温度变化值、心率变化值以及呼吸变化值，确定胜任力测定者在观看该预制视频过程中的面部活动特征。5.根据权利要求4所述的方法，其特征在于，所述该面部图像对应的比较图像为在拍摄所述该面部图像的前一秒或后一秒拍摄的面部图像...

【专利技术属性】
技术研发人员：马皑，宋业臻，方秋兰，孙晓，王方兵，刘晓倩，林振林，赵一洋，舒志，陈奕帆，
申请(专利权)人：北京心法科技有限公司，
类型：发明
国别省市：北京,11