一种基于虚拟仿真的智慧云面试系统及方法技术方案

本发明专利技术提供一种基于虚拟仿真的智慧云面试系统及方法，该系统包括：VR眼镜用于让面试官和面试者进入虚拟世界；面部识别模块嵌在VR眼镜中，用于识别面试者的长相；瞳孔传感器，其嵌在VR眼镜中，用于实时观测面试者本人眼睛瞳孔的大小；监测组件，其用于监测面试者的其他变化；处理模块：根据面试者的长相判断是否是面试者本人、根据面试者本人眼睛瞳孔的大小判断面试者是否有情绪变化、根据面试者的其他变化判断此时面试者的状态；智能优化模块根据处理模块采集的数据进行优化，采用的优化方法为改进的栗翅鹰优化算法。本发明专利技术通过优化算法对面试信息智能优化，能够得到面试者的面试真实结果，面试官知道面试者是否适合此岗位，提高面试的准确性。面试的准确性。面试的准确性。

【技术实现步骤摘要】
一种基于虚拟仿真的智慧云面试系统及方法


[0001]本专利技术涉及智能算法
，具体涉及一种基于虚拟仿真的智慧云面试系统及方法。

技术介绍

[0002]自二十一世纪以来，随着世界发展的越来越快，科学技术也逐渐先进。虚拟仿真又叫计算机仿真，是指利用计算机生成三维动态实景，对系统的结构、功能和行为以及参与系统控制的人的思维过程和行为进行动态性、逼真的模仿。最早应用在军事领域，但是现在在人们日常生活中的应用也逐渐普遍。
[0003]现在大多数公司采用线上面试，但是由于环境等各种问题不能拥有一个公平及高效的面试场合，也不能拥有最客观的综合评估。

技术实现思路

[0004]专利技术目的：为了克服现有技术的不足，本专利技术提供一种基于虚拟仿真的智慧云面试系统，该系统可以解决现有技术中面试准确度低和时间长的问题，本专利技术还提供一种基于虚拟仿真的智慧云面试方法。
[0005]技术方案：本专利技术所述的基于虚拟仿真的智慧云面试系统，包括：
[0006]VR眼镜，其用于让面试官和面试者进入虚拟世界；
[0007]面部识别模块，其嵌在所述VR眼镜中，用于识别面试者的长相；
[0008]瞳孔传感器，其嵌在所述VR眼镜中，用于实时观测面试者本人眼睛瞳孔的大小；
[0009]监测组件，其用于监测面试者的其他变化；
[0010]处理模块，其对相关数据进行采集处理，即：根据面试者的长相判断是否是面试者本人、根据面试者本人眼睛瞳孔的大小判断面试者是否有情绪变化、根据面试者的其他变化判断此时面试者的状态；
[0011]智能优化模块，其根据处理模块采集的数据进行优化，采用的优化方法为改进的栗翅鹰优化算法。
[0012]进一步的，包括：
[0013]该系统还包括：云平台，其接收智能优化模块的优化数据、储存专业知识库和采集到的面试者的数据信息，并将所需的数据信息输出给所述VR眼镜。
[0014]进一步的，包括：
[0015]所述监测组件包括：心率传感器、体温传感器和血压传感器，所述心率传感器用于用来获取面试者的心率变化，为此观测面试者是否紧张；体温传感器，用于实时监测面试者的温度变化；血压传感器，用来获得实时的血压值，且心率传感器、体温传感器和血压传感器采集到的相关数据发送到处理模块中。
[0016]进一步的，包括：
[0017]所述改进的栗翅鹰优化算法包括以下步骤：
[0018]S1种群初始化：采用Sobol序列初始化的种群，设置种群大小N和最大迭代次数T，将点均匀分布在搜索空间，每一个种群都有相应的监测值；
[0019]S2评估的目标函数，处理模块将面部识别系统、瞳孔传感器、心率传感器、体温传感器、血压传感器所采集到的参数输入到评估的目标函数中，所述目标函数公式如下：
[0020][0021]其中，k1、k2、k3、k4为瞳孔传感器、心率传感器、体温传感器、血压传感器的参数系数，t1、t2、t3、t4为瞳孔传感器、心率传感器、体温传感器、血压传感器的参数值，N代表种群中的个体数目，λ1、λ2、λ3为权重，T
use
为面试用时时间，y(t)为所有测量值，E
error
为面试评测准确度；
[0022]S3将初始种群带入目标函数进行评估，并将种群进行排序，将排序度靠前的种群其对应的传感器数值；
[0023]S4软围攻，当|E|≥0.5且r≥0.5时，评估每个测量值，采用数学模型描述如下：
[0024]X
i
(t+1)＝ΔX(t)
‑
E|JX
p
(t)
‑
X
i
(t)|
[0025]ΔX(t)＝X
p
(t)
‑
X
i
(t)；
[0026]其中，ΔX(t)指t时刻最优个体与个体i的位置差值，J是指猎物在逃跑过程时的跳跃行为，值为2(1
–
r5)，r5是0
–
1之间的一个随机数；
[0027]S5硬围攻，当|E|<0.5，r≥0.5时，评估每个测量值，采用公式如下：
[0028]X
i
(t+1)＝X
p
(t)
‑
E|ΔX(t)|
[0029]栗翅鹰采取两个步骤，第1个步骤：
[0030]X
i
(t+1)＝X
p
(t)
‑
E|ΔX(t)|
[0031]W＝X
p
(t)
‑
E|JX
p
(t)
‑
X
i
(t)|
[0032]第2个步骤：判断俯冲是否有效果，公式如下：
[0033]Z＝Y+L
×
SF(R)
[0034]其中，R是指优化问题的维度，L是一个1
×
R维的随机向量，SF是莱维飞行，表达式如下：
[0035][0036]其中，u,v是(0,1)之间的随机数，β是常量1.5；
[0037]S6动态反向学习，将得到的新种群与原种群混合，测量的多个传感器值贪婪选择前N个最好的个体作为新种群的个体，假设搜索空间为D维，那么个体X
i
在第j维的反向解定义为：
[0038][0039][0040]其中，X
ij
∈(LB
j
,UB
j
),j∈1,2,
…
,D，LB
j
和UB
j
是第j维的上下限，随着迭代次数t的增加，动态系数r的值也非线性越来越大；
[0041]S7计算更新后的个体位置，更新目前最优个体；
[0042]S8判断是否到达算法停止条件，若是，算法结束，否则，返回步骤S2。
[0043]进一步的，包括：
[0044]还包括呼吸传感器，其用于采集面试者的呼吸频率，并与所述处理模块连接。
[0045]另一方面，本专利技术还提供一种基于虚拟仿真的智慧云面试方法，该方法包括以下步骤：
[0046](1)面试官和面试者戴上VR眼镜，进入虚拟世界；
[0047](2)所述VR眼镜嵌入面部识别模块和瞳孔传感器，所述面部识别模块识别面试者的长相，所述瞳孔传感器实时观测面试者本人眼睛瞳孔的大小，监测组件监测面试者的其他变化；
[0048](3)处理模块对相关数据进行采集处理，即：根据面试者的长相判断是否是面试者本人、根据面试者本人眼睛瞳孔的大小判断面试者是否有情绪变化、根据面试者的其他变化判断此时面试者的状态；
[0049](4)智能优化模块根据处理模块采集的数据进行优化，采用的优化方法为改进的栗翅鹰优化算法。
[0050]进一步的，包括：
[0051]还包括以下步骤：(5)云平台接收智能优化模块本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于虚拟仿真的智慧云面试系统，其特征在于，包括：VR眼镜，其用于让面试官和面试者进入虚拟世界；面部识别模块，其嵌在所述VR眼镜中，用于识别面试者的长相；瞳孔传感器，其嵌在所述VR眼镜中，用于实时观测面试者本人眼睛瞳孔的大小；监测组件，其用于监测面试者的其他变化；处理模块，其对相关数据进行采集处理，即：根据面试者的长相判断是否是面试者本人、根据面试者本人眼睛瞳孔的大小判断面试者是否有情绪变化、根据面试者的其他变化判断此时面试者的状态；智能优化模块，其根据处理模块采集的数据进行优化，采用的优化方法为改进的栗翅鹰优化算法。2.根据权利要求1所述的基于虚拟仿真的智慧云面试系统，其特征在于，该系统还包括：云平台，其接收智能优化模块的优化数据、储存专业知识库和采集到的面试者的数据信息，并将所需的数据信息输出给所述VR眼镜。3.根据权利要求1或2所述的基于虚拟仿真的智慧云面试系统，其特征在于，所述监测组件包括：心率传感器、体温传感器和血压传感器，所述心率传感器用于用来获取面试者的心率变化，为此观测面试者是否紧张；体温传感器，用于实时监测面试者的温度变化；血压传感器，用来获得实时的血压值，且心率传感器、体温传感器和血压传感器采集到的相关数据发送到处理模块中。4.根据权利要求3所述的基于虚拟仿真的智慧云面试系统，其特征在于，所述改进的栗翅鹰优化算法包括以下步骤：S1种群初始化：采用Sobol序列初始化的种群，设置种群大小N和最大迭代次数T，将点均匀分布在搜索空间，每一个种群都有相应的监测值；S2评估的目标函数，处理模块将面部识别系统、瞳孔传感器、心率传感器、体温传感器、血压传感器所采集到的参数输入到评估的目标函数中，所述目标函数公式如下：y(t)＝k1t1+k2t2+k3t3+k4t4其中，k1、k2、k3、k4为瞳孔传感器、心率传感器、体温传感器、血压传感器的参数系数，t1、t2、t3、t4为瞳孔传感器、心率传感器、体温传感器、血压传感器的参数值，N代表种群中的个体数目，λ1、λ2、λ3为权重，T
use
为面试用时时间，y(t)为所有测量值，E
error
为面试评测准确度；S3将初始种群带入目标函数进行评估，并将种群进行排序，将排序度靠前的种群其对应的传感器数值；S4软围攻，当|E|≥0.5且r≥0.5时，评估每个测量值，采用数学模型描述如下：X
i
(t+1)＝ΔX(t)
‑
E|JX
p
(t)
‑
X
i
(t)|ΔX(t)＝X
p
(t)
‑
X
i
(t)；其中，ΔX(t)指t时刻最优个体与个体i的位置差值，J是指猎物在逃跑过程时的跳跃行为，值为2(1
–
r5)，r5是0
–
1之间的一个随机数；S5硬围攻，当|E|＜0.5，r≥0.5时，评估每个测量值，采用公式如下：
X
i
(t+1)＝X
p
(t)
‑
E|ΔX(t)|栗翅鹰采取两个步骤，第1个步骤：X
i
(t+1)＝X
p
(t)
‑
E|ΔX(t)|W＝X
p
(t)
‑
E|JX
p
(t)
‑
X
i
(t)|第2个步骤：判断俯冲是否有效果，公式如下：Z＝Y+L
×
SF(R)其中，R是指优化问题的维度，L是一个1
×
R维的随机向量，SF是莱维飞行，表达式如下：其中，u,v是(0,1)之间的随机数，β是常量1.5；S6动态反向学习，将得到的新种群与原种群混合，测量的多个传感器值贪婪选择前N个最好的个体作为新种群的个体，假设搜索空间为D维，那么个体X
i
在第j维的反向解定义为：在第j维的反向解定义为：其中，X
ij
∈(LB
j
,UB
j
),j∈1,2,
…
,D，LB
j
和UB
j
是第j维的上下限，随着迭代次数t的增加，动态系数r的值也非线性越来越大；S7计算更新后的个体位置，更新目前最优个体；S8判断是否到达算法停止条件，若是，算法结束，否则，返回步骤S2。5.根据权利要求1或2所述的基于虚拟仿真的智慧云面试系统，其特征在于，还包括呼吸传感器，其用于采集面试者的呼...

【专利技术属性】
技术研发人员：马梦宇，胡代明，谢滢琦，丁祖军，黄慧，王文杰，段卫平，陈万，纪捷，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：