基于面部微表情的高校毕业生职业性格测试方法及系统技术方案

本发明专利技术公开了一种基于面部微表情的高校毕业生职业性格测试方法及系统，获取目标对象在进行职业性格测试时的帧图像信息，将所述帧图像信息进行预处理，获取目标对象的面部特征；根据所述面部特征进行目标用户注意力及微表情变化的检测识别，通过所述注意力及微表情变化根据预设评判标准生成注意力权重与微表情权重；根据所述注意力权重与微表情权重判断目标用户进行职业性格测试过程中选择的信效度；通过所述信效度结合职业性格测试的结果生成目标用户职业性格测试报告。本发明专利技术将目标用户的面部微表情及注意力变化与职业性格测试结合，提高了目标对象职业性格测试的准确性。提高了目标对象职业性格测试的准确性。提高了目标对象职业性格测试的准确性。

【技术实现步骤摘要】
基于面部微表情的高校毕业生职业性格测试方法及系统


[0001]本专利技术涉及心理学测试
，更具体的，涉及一种基于面部微表情的高校毕业生职业性格测试方法及系统。

技术介绍

[0002]随着高等教育的普及,高校毕业生数量的逐年增加,毕业生就业难的问题也逐年凸显,大学生找工作难成了当前高校的一个难题。并且伴随着心理学的发展,人类性格和行为的辨认和判别机制越来越成熟,因此部分企业借鉴心理学的研究成果,将人力资源管理工作与职业性格测试相联系,目的是为了找寻到最适合企业的员工，因此高校在进行毕业生就业指导工作时应与时俱进，而现阶段毕业生就业指导起步晚、指导体系不成熟,已经无法满足大学生对就业指导的需求，并且传统的高校毕业生职业性格测试由于存在人为主观因素并不能真实反映高校毕业生的职业性格，就业指导工作不能进行针对性开展。
[0003]为了提高高校毕业生职业性格测试的准确性，需要开发一款系统与之配合进行实现，该系统通过获取目标对象在进行职业性格测试时的帧图像信息，并进行预处理，获取目标对象的面部特征；根据面部特征进行目标用户注意力及微表情变化的检测识别，通过所述注意力及微表情变化根据预设评判标准生成注意力权重与微表情权重；根据所述注意力权重与微表情权重判断目标用户进行职业性格测试过程中选择的信效度；通过所述信效度结合职业性格测试的结果生成目标用户职业性格测试报告。在该系统实现过程中，如何根据目标用户的注意力及微表情变化获取测试过程中选取的信效度是亟不可待需要解决的问题之一。

技术实现思路

[0004]为了解决上述技术问题，本专利技术提出了一种基于面部微表情的高校毕业生职业性格测试方法及系统。
[0005]本专利技术第一方面提供了一种基于面部微表情的高校毕业生职业性格测试方法，包括：获取目标对象在进行职业性格测试时的帧图像信息，将所述帧图像信息进行预处理，获取目标对象的面部特征；根据所述面部特征进行目标用户注意力及微表情变化的检测识别，通过所述注意力及微表情变化根据预设评判标准生成注意力权重与微表情权重；根据所述注意力权重与微表情权重判断目标用户进行职业性格测试过程中选择的信效度；通过所述信效度结合职业性格测试的结果生成目标用户职业性格测试报告。
[0006]本方案中，所述获取目标对象在进行职业性格测试时的帧图像信息，将所述特征图像信息进行预处理，获取目标对象的面部特征，具体为：获取目标对象在进行职业性格测试时的原始视频，将所述原始视频进行解码获取
帧图像信息；根据所述帧图像信息进行定位获取目标对象的面部图像数据，根据所述面部图像获取目标对象的面部感兴趣区域，通过定位面部感兴趣区域的人脸关键点提取面部感兴趣区域特征；根据所述面部感兴趣特征在高校毕业生信息数据库中进行身份核验，将所述面部感兴趣特征与高校毕业生信息数据库中的目标对象对应的照片信息进行相似度判断；若所述相似度大于预设相似度阈值，则目标对象身份核验通过，进行职业性格测试。
[0007]本方案中，根据所述面部特征进行目标用户微表情的的检测识别，具体为：基于3D
‑
CNN构建微表情检测模型，通过CASME数据库获取样本数据，将所述样本数据进行面部特征提取，将所述面部特征进行归一化处理，生成并将所述样本数据分为训练集与验证集；通过所述训练集对所述微表情检测模型进行训练，通过多次迭代训练对微表情检测模型进行相关参数的调整；通过Softmax层获取计算微表情的预测概率，根据预测概率最大的情绪作为微表情检测模型最终预测的情绪；根据所述验证集对微表情检测模型最终预测的情绪进行测试，计算模型最终预测情绪与验证集中样本数据的偏差率；判断所述偏差率是否小于预设偏差率阈值，若小于，则证明所述微表情检测模型的精度符合预设标准，输出微表情检测模型；通过所述微表情检测模型根据目标对象的面部特征获取目标对象在第n项职业性格测试作答过程中的微表情变化及情绪变化。
[0008]本方案中，根据目标用户注意力变化获取注意力权重，具体为：通过面部感兴趣区域获取目标对象在目标时刻的脸部轮廓特征，并获取所述脸部轮廓特征的位置坐标作为面部轮廓初始位置坐标；判断目标对象在第n项职业性格测试作答过程中的面部偏转变化，将面部轮廓实时位置坐标与所述面部轮廓初始位置坐标进行对比生成，面部偏转偏差；获取作答过程中所述面部偏转偏差大于偏差阈值的次数以及大于偏差阈值的持续时间，生成面部偏转异常信息；同时，获取目标对象的视线落点，判断目标对象的视线落点不处于预设范围的次数及持续时间，生成视线落点异常信息；根据所述面部偏转异常信息及视线落点异常信息通过预设评分标准评估目标对象在第n项职业性格测试作答过程中的注意力得分；根据所述注意力得分获取第n项职业性格测试的注意力权重。
[0009]本方案中，根据目标用户微表情变化获取微表情权重，具体为：获取目标对象在第n项职业性格测试作答过程中的微表情变化，通过大数据获取表情与心理学测试中消极情绪的关联信息，根据所述关联信息提取消极情绪对应的微表情片段；通过目标对象的微表情变化获取消极情绪对应的微表情片段相似度，根据所述相
似度获取微表情权重。
[0010]本方案中，所述的通过所述信效度结合职业性格测试的结果生成目标用户职业性格测试报告，具体为：将目标用户在每项职业性格测试中的选择结果与所述信效度进行匹配，生成每项测试的最终得分；将所述每项测试的最终得分进行汇总，并与职业性格测试评分标准进行性格对比判断，生成目标对象的职业性格测试报告；获取所述职业性格测试报告中的工作环境倾向性及发展建议，根据所述工作环境倾向性获取目标对象的推荐职业类型；连接高校就业平台数据库，根据所述推荐职业类型及发展建议为目标用户提供招聘信息推荐。
[0011]本专利技术第二方面还提供了一种基于面部微表情的高校毕业生职业性格测试系统，该系统包括：存储器、处理器，所述存储器中包括一种基于面部微表情的高校毕业生职业性格测试方法程序，所述一种基于面部微表情的高校毕业生职业性格测试方法程序被所述处理器执行时实现如下步骤：获取目标对象在进行职业性格测试时的帧图像信息，将所述帧图像信息进行预处理，获取目标对象的面部特征；根据所述面部特征进行目标用户注意力及微表情变化的检测识别，通过所述注意力及微表情变化根据预设评判标准生成注意力权重与微表情权重；根据所述注意力权重与微表情权重判断目标用户进行职业性格测试过程中选择的信效度；通过所述信效度结合职业性格测试的结果生成目标用户职业性格测试报告。
[0012]本方案中，所述获取目标对象在进行职业性格测试时的帧图像信息，将所述特征图像信息进行预处理，获取目标对象的面部特征，具体为：获取目标对象在进行职业性格测试时的原始视频，将所述原始视频进行解码获取帧图像信息；根据所述帧图像信息进行定位获取目标对象的面部图像数据，根据所述面部图像获取目标对象的面部感兴趣区域，通过定位面部感兴趣区域的人脸关键点提取面部感兴趣区域特征；根据所述面部感兴趣特征在高校毕业生信息数据库中进行身份核验，将所述面部感兴趣特征与高校毕业生信息数据库中的目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于面部微表情的高校毕业生职业性格测试方法，其特征在于，包括以下步骤：获取目标对象在进行职业性格测试时的帧图像信息，将所述帧图像信息进行预处理，获取目标对象的面部特征；根据所述面部特征进行目标用户注意力及微表情变化的检测识别，通过所述注意力及微表情变化根据预设评判标准生成注意力权重与微表情权重；根据所述注意力权重与微表情权重判断目标用户进行职业性格测试过程中选择的信效度；通过所述信效度结合职业性格测试的结果生成目标用户职业性格测试报告。2.根据权利要求1所述的一种基于面部微表情的高校毕业生职业性格测试方法，其特征在于，所述获取目标对象在进行职业性格测试时的帧图像信息，将所述特征图像信息进行预处理，获取目标对象的面部特征，具体为：获取目标对象在进行职业性格测试时的原始视频，将所述原始视频进行解码获取帧图像信息；根据所述帧图像信息进行定位获取目标对象的面部图像数据，根据所述面部图像获取目标对象的面部感兴趣区域，通过定位面部感兴趣区域的人脸关键点提取面部感兴趣区域特征；根据所述面部感兴趣特征在高校毕业生信息数据库中进行身份核验，将所述面部感兴趣特征与高校毕业生信息数据库中的目标对象对应的照片信息进行相似度判断；若所述相似度大于预设相似度阈值，则目标对象身份核验通过，进行职业性格测试。3.根据权利要求1所述的一种基于面部微表情的高校毕业生职业性格测试方法，其特征在于，根据所述面部特征进行目标用户微表情的的检测识别，具体为：基于3D
‑
CNN构建微表情检测模型，通过CASME数据库获取样本数据，将所述样本数据进行面部特征提取，将所述面部特征进行归一化处理，生成并将所述样本数据分为训练集与验证集；通过所述训练集对所述微表情检测模型进行训练，通过多次迭代训练对微表情检测模型进行相关参数的调整；通过Softmax层获取计算微表情的预测概率，根据预测概率最大的情绪作为微表情检测模型最终预测的情绪；根据所述验证集对微表情检测模型最终预测的情绪进行测试，计算模型最终预测情绪与验证集中样本数据的偏差率；判断所述偏差率是否小于预设偏差率阈值，若小于，则证明所述微表情检测模型的精度符合预设标准，输出微表情检测模型；通过所述微表情检测模型根据目标对象的面部特征获取目标对象在第n项职业性格测试作答过程中的微表情变化及情绪变化。4.根据权利要求1所述的一种基于面部微表情的高校毕业生职业性格测试方法，其特征在于，根据目标用户注意力变化获取注意力权重，具体为：通过面部感兴趣区域获取目标对象在目标时刻的脸部轮廓特征，并获取所述脸部轮廓特征的位置坐标作为面部轮廓初始位置坐标；判断目标对象在第n项职业性格测试作答过程中的面部偏转变化，将面部轮廓实时位
置坐标与所述面部轮廓初始位置坐标进行对比生成，面部偏转偏差；获取作答过程中所述面部偏转偏差大于偏差阈值的次数以及大于偏差阈值的持续时间，生成面部偏转异常信息；同时，获取目标对象的视线落点，判断目标对象的视线落点不处于预设范围的次数及持续时间，生成视线落点异常信息；根据所述面部偏转异常信息及视线落点异常信息通过预设评分标准评估目标对象在第n项职业性格测试作答过程中的注意力得分；根据所述注意力得分获取第n项职业性格测试的注意力权重。5.根据权利要求1所述的一种基于面部微表情的高校毕业生职业性格测试方法，其特征在于，根据目标用户微表情变化获取微表情权重，具体为：获取目标对象在第n项职业性格测试作答过程中的微表情变化，通过大数据获取表情与心理学测试中消极情绪的关联信息，根据所述关联信息...

【专利技术属性】
技术研发人员：杜福杰，李世元，杜子明，
申请(专利权)人：潍坊护理职业学院，
类型：发明
国别省市：