面试人员的性格预测方法、装置、计算机设备及计算机存储介质与流程

本发明涉及人工智能技术领域，特别是涉及一种面试人员的性格预测方法、装置、计算机设备及计算机存储介质。

背景技术：

人才招聘是企业发展过程中不可缺少的一个重要环节。特别是具有人才需求的大企业，需要面试官能快速，准确的了解面试者，这样才能有效的甄选适合公司招聘要求的人才。

在现有的面试过程中，面试官通常会先审阅应聘者简历，并结合应聘岗位拟定面试问题；之后，面试官请应聘者作自我介绍，面试官提出问题，由应聘者回答，面试官可能会针对面试者的回答提出补充问题，应聘者也可以请面试官对公司的基本情况进行介绍；最后，面试官给出评估报告，合格者进入下一环节。根据现有的面试流程，面试官可以通过简历信息与应聘者对专业问题的回答情况，并结合以往经验和数据，大致评估应聘者的能力，或者根据应聘者对其他问题的回答判断其性格倾向，甚至可以根据应聘者的衣着、举止、表情、谈吐了解其人格特质。可以发现在现有的招聘面试流程中，并没有大范围使用自动化技术，还是以技术主管或人力资源负责人与应聘者面谈为主。

但在实践中，一方面，由于面试官的精力和能力有限，通过现有的面试流程，面试官很难从多个方面考察应聘者与岗位的匹配度；另一方面，由于参与面试的团队主管和团队成员往往没有受过专业的核人培训，通过现有的面试流程，面试官只能得到面试者的能力信息，无法得到更多关于应聘者格特征的信息，造成了信息的缺失。

技术实现要素：

有鉴于此，本发明提供了一种面试人员的性格预测方法、装置、计算机设备及计算机存储介质，主要目的在于解决现有技术的面试过程中难以获取面试人员性格特征信息的问题。

依据本发明一个方面，提供了一种面试人员的性格预测方法，该方法包括：

获取多张携带性格测评结果标签的人脸样本图像；

将所述人脸样本图像输入至卷积神经网络进行训练，构建性格预测模型，所述性格预测模型中记录有人脸图像与性格测评结果的映射关系；

将面试人员的人脸图像输入至所述性格预测模型，预测出所述面试人员对应的性格测评结果。

进一步地，所述获取多张携带性格测评结果标签的人脸样本图像包括：

获取人脸图像库中各个性格方向的人脸图像，所述人脸图像库中包含有不同性格测评结果的人脸图像；

采用开源网络模型对所述各个性格方向的人脸图像进行背景过滤处理，得到不同性格方向的多张人脸样本图像。

进一步地，在所述获取人脸图像库中各个性格方向的人脸图像之后，所述方法还包括：

根据所述人脸图像库中的性格测评结果对人脸图像进行标记，得到携带不同性格测评结果标签的人脸图像。

进一步地，所述卷积神经网络模型包括多层结构，所述将所述多张人脸样本图像输入至卷积神经网络进行训练，构建性格预测模型包括：

通过所述卷积神经网络模型的卷积层提取所述人脸样本图像在各个性格方向上的特征参数；

通过所述卷积神经网络模型的全连接层汇总所述人脸样本图像在各个性格方向上的特征参数，得到多维度人脸图像在各个性格方向上的特征参数；

通过所述卷积神经网络模型的池化层对所述多维度人脸图像在各个性格方向上的特征参数进行降维处理，得到人脸图像在各个性格方向上的权重向量；

通过所述卷积神经网络模型的分类层根据所述人脸图像在各个性格方向上的权重向量生成人脸图像在各个性格方向上的性格测评结果，构建性格预测模型。

进一步地，所述性格测评结果包括面试人员在各个性格方向上的测评结果，在所述将面试人员的人脸图像输入至所述性格预测模型，预测出所述面试人员对应的性格测评结果之后，所述方法还包括：

根据面试人员所面试岗位的岗位技能设置所述面试岗位考察的性格方向；

从所述面试人员对应的性格测评结果中提取出面试人员在所述面试岗位考察的性格方向上的测评结果；

根据所述面试人员在所述面试岗位考察的性格方向上的测评结果，确定面试人员与面试岗位的匹配情况。

进一步地，所述根据所述面试人员在所述面试岗位考察的性格方向上的测评结果，确定面试人员与面试岗位的匹配情况包括：

如果所述面试人员在所述面试岗位考察的性格方向上的测评结果达到预先设置符合面试岗位的测评标准，则判定所述面试人员与所述面试岗位相匹配；

如果所述面试人员在所述面试岗位考察的性格方向上的测评结果未达到预先设置符合面试岗位的测评标准，则判定所述面试人员与所述面试岗位不匹配。

进一步地，在所述如果所述面试人员在所述面试岗位考察的性格方向上的测评结果未达到预先设置符合面试岗位的测评标准，则判定所述面试人员与所述面试岗位不匹配之后，所述方法还包括：

从底层数据库中随机挑选在所述面试岗位考察的性格方向上的面试题目，根据所述面试题目对所述面试人员进行考察，所述底层数据库中预先存储有各个性格方向上的面试题目。

进一步地，在所述将面试人员的人脸图像输入至所述性格预测模型，预测出所述面试人员对应的性格测评结果之后，所述方法还包括：

根据所述面试人员所面试岗位团队的预期岗位构成，获取面试岗位团队中各个岗位样本人员对应的性格测评结果；

将所述样本人员在各个性格方向上的测评结果的平均分布与预先设置符合面试岗位团队的测评标准进行比较，获取所述面试岗位团队在各个性格方向上的人员需求情况。

进一步地，所述将所述样本人员在各个性格方向上的测评结果的平均分布与预先设置符合面试岗位团队的测评标准进行比较，获取所述面试岗位团队在各个性格方向上的人员需求情况包括：

如果所述样本人员在某一性格方向上的测评结果的平均分布达到所述预先设置符合面试岗位团队的测评标准，则判定所述面试岗位团队在某一性格方向上为过剩情况；

如果所述样本人员在某一性格方向上的测评结果的平均分布未达到所述预先设置符合面试岗位团队的测评标准，则判定所述面试岗位团队在某一性格方向上为稀缺情况。

依据本发明另一个方面，提供了一种面试人员的性格预测装置，该装置包括：

获取单元，用于获取多张携带性格测评结果标签的人脸样本图像；

构建单元，用于将所述获取单元获取的人脸样本图像输入至卷积神经网络进行训练，构建性格预测模型，所述性格预测模型中记录有人脸图像与性格测评结果的映射关系；

预测单元，用于将面试人员的人脸图像输入至所述构建单元构建的性格预测模型，预测出所述面试人员对应的性格测评结果。

进一步地，所述获取单元包括：

获取模块，用于获取人脸图像库中各个性格方向的人脸图像，所述人脸图像库中包含有不同性格测评结果的人脸图像；

过滤模块，用于采用开源网络模型对所述获取模块获取的各个性格方向的人脸图像进行背景过滤处理，得到不同性格方向的多张人脸样本图像。

进一步地，所述获取单元还包括：

标记模块，用于根据所述人脸图像库中的性格测评结果对人脸图像进行标记，得到携带不同性格测评结果标签的人脸图像。

进一步地，所述构建单元包括：

提取模块，用于通过所述卷积神经网络模型的卷积层提取所述人脸样本图像在各个性格方向上的特征参数；

汇总模块，用于通过所述卷积神经网络模型的全连接层汇总所述人脸样本图像在各个性格方向上的特征参数，得到多维度人脸图像在各个性格方向上的特征参数；

降维模块，用于通过所述卷积神经网络模型的池化层对所述多维度人脸图像在各个性格方向上的特征参数进行降维处理，得到人脸图像在各个性格方向上的权重向量；

生成模块，用于通过所述卷积神经网络模型的分类层根据所述人脸图像在各个性格方向上的权重向量生成人脸图像在各个性格方向上的性格测评结果，构建性格预测模型。

进一步地，所述装置还包括：

设置单元，用于根据面试人员所面试岗位的岗位技能设置所述面试岗位考察的性格方向；

提取单元，用于从所述面试人员对应的性格测评结果中提取出面试人员在所述面试岗位考察的性格方向上的测评结果；

确定单元，用于根据所述提取单元提取的面试人员在所述面试岗位考察的性格方向上的测评结果，确定面试人员与面试岗位的匹配情况。

进一步地，所述确定单元包括：

判定模块，用于如果所述面试人员在所述面试岗位考察的性格方向上的测评结果达到预先设置符合面试岗位的测评标准，则判定所述面试人员与所述面试岗位相匹配；

所述判定模块，还用于如果所述面试人员在所述面试岗位考察的性格方向上的测评结果未达到预先设置符合面试岗位的测评标准，则判定所述面试人员与所述面试岗位不匹配。

进一步地，所述确定单元还包括：

挑选模块，用于从底层数据库中随机挑选在所述面试岗位考察的性格方向上的面试题目，根据所述面试题目对所述面试人员进行考察，所述底层数据库中预先存储有各个性格方向上的面试题目。

进一步地，所述装置还包括：比较单元，

所述获取单元，还用于根据所述面试人员所面试岗位团队的预期岗位构成，获取面试岗位团队中各个岗位样本人员对应的性格测评结果；

所述比较单元，用于将所述样本人员在各个性格方向上的测评结果的平均分布与预先设置符合面试岗位团队的测评标准进行比较，获取所述面试岗位团队在各个性格方向上的人员需求情况。

进一步地，所述比较单元，具体用于如果所述样本人员在某一性格方向上的测评结果的平均分布达到所述预先设置符合面试岗位团队的测评标准，则判定所述面试岗位团队在某一性格方向上为过剩情况；

所述比较单元，具体还用于如果所述样本人员在某一性格方向上的测评结果的平均分布未达到所述预先设置符合面试岗位团队的测评标准，则判定所述面试岗位团队在某一性格方向上为稀缺情况。

依据本发明又一个方面，提供了一种存储设备，其上存储有计算机程序，所述程序被处理器执行时实现上述面试人员的性格预测方法。

依据本发明再一个方面，提供了一种面试人员的性格预测装置，包括存储设备、处理器及存储在存储设备上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述面试人员的性格预测方法。

借由上述技术方案，本发明提供的一种面试人员的性格预测方法及装置，将人脸样本图像输入至卷积神经网络进行训练，构建性格预测模型，该性格预测模型中记录有人脸图像与性格测评结果的映射关系，通过性格预测模型即可预测出面试人员在各个性格方向上的测评结果，与现有技术中面试官仅通过与面试人员交谈，并结合以往经验和数据判断面试者的性格特征的方法相比，本发明实施例通过构建性格预测模型，预测面试人员在各个性格方向上的测评结果，为面试官提供更多关于面试人员性格特征的信息，有助于面试官全方位衡量面试人员与面试岗位和面试岗位团队的匹配度，便于公司对所需人才的甄选。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例提供的一种面试人员的性格预测方法流程示意图；

图2示出了本发明实施例提供的另一种面试人员的性格预测方法流程示意图；

图3示出了本发明实施例提供的衡量面试者与面试岗位团队的匹配情况的流程示意图；

图4示出了本发明实施例提供的又一种面试人员的性格预测方法流程示意图；

图5示出了本发明实施例提供的一种面试人员的性格预测装置的结构示意图；

图6示出了本发明实施例提供的另一种面试人员的性格预测装置的结构示意图；

图7示出了本发明实施例提供的又一种面试人员的性格预测装置的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

本发明实施例提供了一种面试人员的性格预测方法，可以实现动态配置面试人员的性格预测信息的目的，如图1所示，该方法包括：

101、获取多张携带性格测评结果标签的人脸样本图像；

其中，人脸样本图像可以为招聘公司提供的员工人脸图片，由于招聘公司在招聘员工的时候会建立员工档案，在员工档案中会存储有员工人脸图片，具体可以从招聘公司的员工档案库中调取不同的员工人脸图片，并且人脸样本图像中携带有需要预测的不同性格方向的测评结果。

需要说明的是，本发明实施例对面试人员性格方向的划分不进行限定，通常情况下可以选定卡特尔16种人格因子作为面试人员性格方向的划分，，也可以选择其他方式对面试人员的性格方向进行划分，例如，通过面试人员的理智，情感，意志，内向，外向，独立等性格特征对面试人员的性格方向进行划分。

102、将所述人脸样本图像输入至卷积神经网络进行训练，构建性格预测模型，所述性格预测模型中记录有人脸图像与性格测评结果的映射关系；

由于人脸样本图像中包含有不同性格方向上的测评结果，为了对不同性格测评结果的人脸样本图像进行区分，根据不同性格方向上的测评结果对人脸样本图像进行标记。

对于本发明实施例，卷积神经网络模型为可以训练出人脸图像与性格测评结果映射关系的网络结构，该网络结构相当于性格预测模型，通过性格预测模型对面试人员的性格进行预测。具体地，卷积神经网络模型可以为vgg-16网络结构，vgg-16包含5个阶段，全连接层和分类层，每个阶段包含一个最大池化层和多个卷积层，每层卷积核的个数从首阶段的64个开始，每个阶段增长一倍，一直到达512个，整个卷积神经网络vgg-16采用了同样大小的卷积核尺寸3*3和最大池化尺寸2*2。

103、将面试人员的人脸图像输入至所述性格预测模型，预测出所述面试人员对应的性格测评结果；

其中，在面试人员同意的情况下，面试人员的人脸图像可以通过要求面试人员提前上传照片或者现场给面试人员拍照的方式获得，通过性格预测模型可以预测出面试人员在不同性格方向上的测评结果，对于性格方向的划分以及测评结果的设定，本发明实施例不进行限定。

例如，面试人员的性格测评结果可以为面试人员在各个性格方向上的测评结果，并且为每种性格方向上的测评结果设定测评分数，当然还可以为每种性格方向的测评结果设定测评等级，将面试人员的人脸图像输入至性格预测模型，预测出面试人员在各个性格方向上的测评分数。

通过本发明，将人脸样本图像输入至卷积神经网络，构建性格预测模型，该性格预测模型中记录有人脸图像与性格测评结果的映射关系，通过性格预测模型即可预测出面试人员在不同性格方向上的性格测评结果，与现有技术中面试官仅通过与面试人员交谈，并结合以往经验和数据判断面试人员的性格特征的方法相比，本发明实施例通过构建性格预测模型，预测面试人员在不同性格方向上的性格测评结果，为面试官提供更多关于面试人员性格特征的信息，有助于面试官全方位衡量面试人员与招聘岗位和招聘团队的匹配度，便于公司对所需人才的甄选。

本发明实施例提供了另一种面试人员的性格预测方法，可以实现面试人员的性格预测的目的，如图2所示，该方法包括：

201、获取人脸图像库中各个性格方向的人脸图像，所述人脸图像库中包含有不同性格测评结果的人脸图像；

其中，人脸图像库为招聘公司在招聘员工时会建立的员工档案库，员工档案库中包含员工的人脸图像以及入职时进行性格测试的测评结果，每张员工的人脸图像对应唯一的性格测评结果。

例如，从员工的档案库中抽取100张员工人脸图像以及所述员工人脸图像对应的性格测评结果作为训练样本，本发明对获取的人脸图像数量不做限定，需要说明的是，为保证后续建立模型的精度，获取的人脸图像数量不宜过少。

202、根据所述人脸图像库中的性格测评结果对人脸图像进行标记，得到携带不同性格测评结果标签的人脸图像；

其中，性格测评结果可以为员工入职时进行性格测试的结果，该性格测评结果记录有员工在不同性格方向上的测评结果，该性格测评结果可以为员工在不同性格方向上的测评分数或者是测评等级等形式。

对于本发明实施例，可以采用卡特尔16种人格因子对员工的性格方向进行划分，也可以采用其它方式对员工的性格方向进行划分，本发明不做限定。通过员工在不同性格方向上的测评结果对抽取的员工人脸图像进行标记，使每张员工的人脸图像携带对应的性格测评结果标签，具体标记时，可以通过手工方式或者通过软件lambletool对获取的员工人脸图像进行标记，得到携带不同性格测评结果标签的人脸图像。

203、采用开源网络模型对所述各个性格方向的人脸图像进行背景过滤处理，得到不同性格方向的多张人脸样本图像；

其中，开源网络模型可以为mtcnn网络模型，通过mtcnn开源网络模型对携带不同性格测评结果的人脸图像进行人脸检测。

对于本发明实施例，通过开源网络模型mtcnn将获取的人脸图像进行背景过滤处理，检测出人脸，得到不同性格方向的多张人脸样本图像。具体地，mtcnn网络模型由p-net网络结构，r-net网络结构和o-net网络结构组成。p-net网络结构获取员工人脸图像中人脸区域的候选窗口和边界框的回归向量，并通过该边界框对人脸区域的候选窗口进行校准；r-net网络结构通过p-net网络结构获取的边界框回归向量和非极大值抑制方法去掉误判的人脸区域，高度重叠人脸区域的候选窗口；o-net网络结构与r-net网络结构的作用相似，通过o-net网络结构输出人脸区域上的地标，检测出人脸。

204、将所述人脸样本图像输入至卷积神经网络进行训练，构建性格预测模型，所述性格预测模型中记录有人脸图像与性格测评结果的映射关系；

其中，性格预测模型可以为每个输入的人脸图像输出该人脸图像在各个性格方向上的测评结果。

对于本发明实施例，卷积神经网络模型可以包括多层结构，具体可以通过卷积神经网络的卷积层提取人脸样本图像在各个性格方向的特征参数，这里的卷积层可以分为多个阶段，每个阶段都设置多个卷积层，通过卷积神经网络模型的全连接层汇总人脸样本图像在各个性格方向上的特征参数，得到多维度人脸图像在各个性格方向上的特征参数，通过卷积神经网络的池化层对多维度人脸图像在各个性格方向上的特征参数进行降维处理，得到人脸图像在各个性格方向上的权重向量，通过卷积神经网络的分类层根据人脸图像在各个性格方向上的权重向量生成人脸图像在各个性格方向上的性格测评结果，构建性格预测模型，该性格预测模型为每个输入的人脸图像输出该人脸图像在各个性格方向上的性格测评结果。

205、将面试人员的人脸图像输入至所述性格预测模型，预测出所述面试人员对应的性格测评结果；

其中，面试人员为未知性格的用户，性格测评结果可以为面试人员在各个性格方向上的测评分数或者测评等级等方式，本发明不进行限定。

对于本发明实施例，首先在面试人员同意的情况下，可以通过现场给面试人员拍照或者要求面试人员提前上传照片的方式，获取面试人员的照片，之后通过对面试人员的照片进行人脸检测，得到面试人员的人脸图像。最后将面试人员的人脸图像输入至构建的性格预测模型，预测出面试人员在各个性格方向上的测评结果。

例如，通过卡特尔16种人格因子将面试人员的性格划分为16个方向，面试人员在各个人格因子上的测评分数为0-100分，通过性格预测模型的分类层,将面试人员的人脸图像分为16个部分，每个部分表示面试人员的人脸图像属于该类人格因子的概率，输出的16个部分分别与一个节点为10的全连层连接，通过该全连接层输出表示的是面试人员的人脸图像在当前人格因子各个得分区间的概率，之后计算输出概率乘以得分区间分值之和，最终得到该面试人员人脸图像在16种人格因子上的测评分数，具体地，通过全连接层输出，得到在各得分区间上的概率依次为：0.1,0.2,0.5,0.2,0,0,0,0,0,0，需要注意的是各得分区间的概率和必须为1，各得分区间的分值依次为90,80,70,60,50,40,30,20,10,0，该面试人员在这种人格因子上的测评分数为：90*0.1+80*0.2+70*0.5+60*0.2+50*0+40*0+30*0+20*0+10*0+0*0＝9+16+35+12＝72分，即该名面试人员在这种人格因子上的测评分数为72分。以此类推，可以得到该名面试人员在其他人格因子上的测评分数。

206、根据面试人员所面试岗位的岗位技能设置所述面试岗位考察的性格方向；

其中，岗位技能为面试人员所面试岗位要求的技能，根据面试人员所面试岗位要求的技能，设置与面试岗位相匹配的性格方向。

例如，为了方便面试官衡量面试人员与所面试岗位的匹配度，可以预先将面试岗位分为多个类别，例如技术-不需过多交流(开发、研究、安全等职位)，技术-需要交流(架构、项目等职位)，非技术-不需过多交流(后勤、运营、财务等职位)，非技术-需要交流(产品、售前、零售等职位)，针对不同岗位类别选取预设个数的性格方向作为该类岗位的考察依据，具体地，可以从卡特尔16种人格因子中选取预设个数的人格因子作为面试岗位的考察依据，并为预设个数的人格因子设定匹配分数或者考察等级，对于考察的具体形式本发明不进行限定。

207、从所述面试人员对应的性格测评结果中提取出面试人员在所述面试岗位考察的性格方向上的测评结果；

其中，面试岗位考察的性格方向为面试岗位的预设个数的性格方向，面试人员的性格测评结果包含面试人员所面试岗位考察的性格方向上的测评结果。

例如，面试人员所面试岗位考察的性格方向为卡特尔16种人格因子中的乐群性因子，聪慧性因子，稳定性因子，恃强性因子，忧虑性因子，独立性因子，自律性因子，则从面试人员性格测评结果中分别提取乐群性因子，聪慧性因子，稳定性因子，恃强性因子，忧虑性因子，独立性因子，自律性因子对应的测评分数，作为之后考察面试人员与岗位匹配度的考察分数。

208、根据所述面试人员在所述面试岗位考察的性格方向上的测评结果，确定面试人员与面试岗位的匹配情况；

其中，面试人员在所述面试岗位考察的性格方向上的测评结果可以为测评分数或者测评等级，本发明对考察的具体方式不进行限定。

对于本发明实施例，可以预先为面试人员所面试的岗位设定考察标准，若面试人员在面试岗位考察的性格方向上的测评结果达到考察标准，则面试人员与所面试岗位匹配；若面试人员在面试岗位考察的性格方向上的测评结果未达到考察标准，则面试人员与所面试岗位不匹配。

为了方便面试官衡量面试者与面试团队岗位的匹配度，获取面试岗位团队在各个性格方向上的人员需求情况，可以在将面试人员的人脸图像输入至性格预测模型，预测出面试人员对应的性格测评结果之后，执行下述步骤209和步骤210，从而可以招聘到更符合面试岗位团队的面试者。

需要说明的是，在执行步骤205之后，需要衡量面试者与面试岗位团队的匹配度，具体步骤209和步骤210的执行过程并不限定在步骤s206至步骤208之后执行，如图3所示，具体衡量面试者与面试岗位团队的匹配情况包括以下步骤：

209、根据所述面试人员所面试岗位团队的预期岗位构成，获取面试岗位团队中各个岗位样本人员对应的性格测评结果；

其中，岗位样本人员为面试岗位团队中各个岗位的在职人员。

对于本发明实施例，获取面试岗位团队中各个岗位的样本人员的人脸图像，将面试岗位团队中各个岗位的样本人员的人脸图像输入至性格预测模型，预测出面试岗位团队中各个岗位样本人员在各个性格方向上的测评结果，例如，通过卡特尔16种人格因子将面试岗位团队中各个岗位样本人员的性格方向划分为16个方向，样本人员在各个人格因子上的测评分数为0-100分，通过性格预测模型，得到面试岗位团队中各个岗位样本人员在16种人格因子上的测评分数。

210、将所述样本人员在各个性格方向上的测评结果的平均分布与预先设置符合面试岗位团队的测评标准进行比较，获取所述面试岗位团队在各个性格方向上的人员需求情况；

对于本发明实施例，如果样本人员在某一性格方向上的测评结果的平均分布达到所述预先设置符合面试岗位团队的测评标准，则判定面试岗位团队在某一性格方向上为过剩情况，过剩情况说明该面试岗位团队中该性格方向的人员已经充足，无需多于配置该性格方向上的人员；如果样本人员在某一性格方向上的测评结果的平均分布未达到预先设置符合面试岗位团队的测评标准，则判定面试岗位团队在某一性格方向上为稀缺情况，稀缺情况说明该面试岗位团队中该性格方向的人员存在缺失，可以在该性格方向上招聘人员，这里通过判定面试岗位团队在某一性格方向上的情况，进而方便面试官衡量面试者与面试岗位团队的匹配程度，从而招聘到更符合面试岗位团队的面试人员。

例如，面试岗位团队的样本人员为5人，通过将样本人员的人脸图像输入至性格预测模型，得知每个样本人员在16种人格因子上的测评分数，通过将5人在每种人格因子上的测评分数对应相加求其均值，得到团队样本人员在各个人格因子上的平均分值，例如，团队样本人员在16种人格因子上的平均分值依次群性因子70分，聪慧性因子79分，稳定性因子66分，恃强性因子75分，兴奋性因子88分，有恒性因子82分，敢为性因子55分，敏感性因子77分，怀疑性因子75分，幻想性因子72分，事故性因子74分，忧虑性因子70分，实验性因子80分，独立性因子50分，自律性因子52分，紧张性因子70分，面试岗位团队在各个人格因子上预先设置的测评标准分别为70分，通过比较得知，团队的样本人员在稳定性因子，独立性因子，自律性因子，敢为性因子的测评分数未达到测评标准，则面试岗位团队在独立性因子，自律性因子，敢为性因子，稳定性因子上为稀缺情况，也就是说该面试岗位团队需求以上几种性格方向的面试人员；同理，团队的样本人员在其他人格因子上的测评分数达到测评标准，则面试岗位团队在其他人格因子上为过剩情况，也就是说该面试岗位团队并不需求以上几种其他性格方向的面试人员。

通过本发明，将人脸样本图像输入至卷积神经网络，构建性格预测模型，该性格预测模型中记录有人脸图像与性格测评结果的映射关系，通过性格预测模型即可预测出面试人员在不同性格方向上的性格测评结果，与现有技术中面试官仅通过与面试人员交谈，并结合以往经验和数据判断面试人员的性格特征的方法相比，本发明实施例通过构建性格预测模型，预测面试人员在不同性格方向上的性格测评结果，为面试官提供更多关于面试人员性格特征的信息，并通过将面试人员的测评结果和面试岗位与团队设定的测评标准进行比较，使面试官能够全方位衡量面试人员与招聘岗位和招聘团队的匹配度，便于公司对所需人才的甄选。

本发明实施例提供了又一种面试人员的性格预测方法，可以实现面试人员的性格预测的目的，如图4所示，该方法包括：

301、获取多张携带性格测评结果标签的人脸样本图像；

对于本发明实施例，获取人脸样本图像的具体实现方法与步骤101相同，在此不进行赘述。

需要说明的是，不同性格方向的测评结果可以是面试人员在不同性格方向上的测评分数或者是面试人员在不同性格方向上的测评等级，本发明实施例不进行限定。

302、将所述人脸样本图像输入至卷积神经网络进行训练，构建性格预测模型，所述性格预测模型中记录有人脸图像与性格测评结果的映射关系；

对于本发明实施例，卷积神经网络模型不仅可以选用vgg-16模型，该vgg-16模型包含5个阶段，全连接层和分类层，每个阶段包含一个最大池化层和多个卷积层，每层卷积核的个数从首阶段的64个开始，每个阶段增长一倍，一直到达512个，整个卷积神经网络vgg-16采用了同样大小的卷积核尺寸3*3和最大池化尺寸2*2。。

具体使用vgg-16模型进行训练的过程可以包括但不局限于下述实现方式：通过vgg-16每个阶段的卷积层提取所述人脸样本图像在各个性格方向上的特征参数，人脸样本图像输入该vgg-16模型后，经过第一阶段的卷积层之后，输出图像的维度变为64，经过第二阶段的卷积层之后，输出图像的维度变为128，经过第三阶段，第四阶段和第五阶段的卷积层之后，输出图像的维度分别为256，512和512；vgg16模型中的全连接层位于第五阶段之后，通过vgg16模型中的全连接层汇总所述人脸样本图像在各个性格方向上的特征参数，得到多维度人脸图像在各个性格方向上的特征参数；vgg-16模型包含了5个池化层，其分别位于每个阶段的卷积层后面，即5个池化层位于每个阶段的最后，通过vgg-16模型的池化层对所述多维度人脸图像在各个性格方向上的特征参数进行降维处理，得到人脸图像在各个性格方向上的权重向量；vgg-16模型的最后一层为分类层，通过vgg-16模型的分类层对各个性格方向上的权重向量进行分类，生成人脸图像在各个性格方向上的性格测评结果，构建性格预测模型。该性格预测模型为每个输入的面试人员的人脸图像输出该面试人员对应的在各个性格方向上的性格测评结果。

例如，通过卡特尔16种人格因子将面试人员的性格划分为16个方向，即将性格预测模型的输出分为16类，将面试人员的人脸图像输入至构建的性格预测模型，预测出面试人员在16个性格方向上的测评结果。

303、将面试人员的人脸图像输入至所述性格预测模型，预测出所述面试人员对应的性格测评结果；

对于本发明实施例，获取面试人员的照片之后，对面试人员的照片进行人脸检测，去掉面试人员照片多余的背景，通过开源网络模型mtcnn对获取的面试人员照片进行背景过滤处理，得到面试人员的人脸图像，当然也可也采用其他方式对面试人员的照片进行人脸检测，本发明不进行限定。

304、根据面试人员所面试岗位的岗位技能设置所述面试岗位考察的性格方向；

需要说明的是，这里并不局限于通过卡特尔16种人格因子设置面试岗位考察的性格方向，也可以采取其他方式设置面试人员所面试岗位考察的性格方向，例如，对面试人员的理智，情感，意志，内向，外向，独立，顺从等性格特征进行考察。

305、从所述面试人员对应的性格测评结果中提取出面试人员在所述面试岗位考察的性格方向上的测评结果；

需要说明的是，这里提取面试人员在考察性格方向上的测评结果的方式与步骤207相同，再此不进行赘述。

306a、如果所述面试人员在所述面试岗位考察的性格方向上的测评结果达到预先设置符合面试岗位的测评标准，则判定所述面试人员与所述面试岗位相匹配；

例如，卡特尔16种人格因子中的独立性因子，自律性因子，敢为性因子，稳定性因子为面试岗位的考察性格方向，并且为面试岗位的4种考察因子分别设定考察分数，均为70分，如果面试人员在独立性因子，自律性因子，敢为性因子，稳定性因子上的测评分数均高于4种考察因子对应的预设考察分数70分，则判定面试人员与面试岗位匹配。

与步骤306a对应的有步骤306b、如果所述面试人员在所述面试岗位考察的性格方向上的测评结果未达到预先设置符合面试岗位的测评标准，则判定所述面试人员与所述面试岗位不匹配；

例如，卡特尔16种人格因子中的独立性因子，自律性因子，敢为性因子，稳定性因子为面试岗位的考察性格方向，并且为面试岗位的4种考察因子分别设定考察分数，均为70分，如果面试人员在独立性因子，自律性因子，敢为性因子，稳定性因子中任一种考察因子上的测评分数低于4种考察因子对应的预设考察分数70分，则判定面试人员与面试岗位不匹配，需要对面试人员进行进一步考察。

307b、从底层数据库中随机挑选在所述面试岗位考察的性格方向上的面试题目，根据所述面试题目对所述面试人员进行考察；

其中，所述底层数据库中预先存储有各个性格方向上的面试题目。

对于本发明实施例，如果面试人员在面试岗位考察性格方向上的测评结果未达到预先设置符合面试岗位的测评标准，则判定面试人员与面试岗位不匹配，需要对面试人员进行进一步考察，面试官从底层数据库中随机抽取面试人员在未达到测评标准的性格方向上的面试题目，对面试人员进行提问，根据面试人员回答问题的情况和面试人在面试岗位考察性格方向上的测评结果，决定最终是否录用该面试人员。

通过本发明，将人脸样本图像输入至卷积神经网络，构建性格预测模型，该性格预测模型中记录有人脸图像与性格测评结果的映射关系，通过性格预测模型即可预测出面试人员在不同性格方向上的性格测评结果，与现有技术中面试官仅通过与面试人员交谈，并结合以往经验和数据判断面试人员的性格特征的方法相比，本发明实施例通过构建性格预测模型，预测面试人员在不同性格方向上的性格测评结果，为面试官提供更多关于面试人员性格特征的信息，并通过将面试人员的测评结果和面试岗位与团队设定的测评标准进行比较，使面试官能够全方位衡量面试人员与招聘岗位和招聘团队的匹配度，便于公司对所需人才的甄选。

进一步地，作为图1所述方法的具体实现，本发明实施例提供了一种面试人员的性格预测装置，如图5所示，所装置包括：获取单元41、构建单元42、预测单元43，

获取单元41，可以用于获取多张携带性格测评结果标签的人脸样本图像；

构建单元42，可以用于将所述获取单元获取的人脸样本图像输入至卷积神经网络进行训练，构建性格预测模型，所述性格预测模型中记录有人脸图像与性格测评结果的映射关系；

预测单元43，可以用于将面试人员的人脸图像输入至所述构建单元构建的性格预测模型，预测出所述面试人员对应的性格测评结果。

本发明实施例提供的面试人员的性格预测装置，首先将人脸样本图像输入至卷积神经网络进行训练，构建性格预测模型，该性格预测模型中记录有人脸图像与性格测评结果的映射关系，之后通过性格预测模型即可预测出面试人员在各个性格方向上的测评结果，与现有技术中面试官仅通过与面试人员交谈，并结合以往经验和数据判断面试者的性格特征的方法相比，本发明实施例通过构建性格预测模型，预测面试人员在各个性格方向上的测评结果，为面试官提供更多关于面试人员性格特征的信息，有助于面试官全方位衡量面试人员与面试岗位和面试岗位团队的匹配度，便于公司对所需人才的甄选。

作为图5中所示面试人员的性格预测装置的进一步说明，图6是根据本发明实施例另一种面试人员的性格预测装置的结构示意图，如图6所示，该装置还包括：

设置单元44，可以用于根据面试人员所面试岗位的岗位技能设置所述面试岗位考察的性格方向；

提取单元45，可以用于从所述面试人员对应的性格测评结果中提取出面试人员在所述面试岗位考察的性格方向上的测评结果；

确定单元46，可以用于根据所述提取单元提取的面试人员在所述面试岗位考察的性格方向上的测评结果，确定面试人员与面试岗位的匹配情况。

进一步地，所述装置还包括：比较单元47，

所述获取单元41，还可以用于根据所述面试人员所面试岗位团队的预期岗位构成，获取面试岗位团队中各个岗位样本人员对应的性格测评结果；

所述比较单元47，可以用于将所述样本人员在各个性格方向上的测评结果的平均分布与预先设置符合面试岗位团队的测评标准进行比较，获取所述面试岗位团队在各个性格方向上的人员需求情况。

进一步地，所述比较单元47，具体可以用于如果所述样本人员在某一性格方向上的测评结果的平均分布达到所述预先设置符合面试岗位团队的测评标准，则判定所述面试岗位团队在某一性格方向上为过剩情况；

所述比较单元47，具体还可以用于如果所述样本人员在某一性格方向上的测评结果的平均分布未达到所述预先设置符合面试岗位团队的测评标准，则判定所述面试岗位团队在某一性格方向上为稀缺情况。

进一步地，所述获取单元41包括：

获取模块411，可以用于获取人脸图像库中各个性格方向的人脸图像，所述人脸图像库中包含有不同性格测评结果的人脸图像；

过滤模块413，可以用于采用开源网络模型对所述获取模块获取的各个性格方向的人脸图像进行背景过滤处理，得到不同性格方向的多张人脸样本图像。

进一步地，所述获取单元41还包括：

标记模块412，可以用于根据所述人脸图像库中的性格测评结果对人脸图像进行标记，得到携带不同性格测评结果标签的人脸图像。

进一步地，所述构建单元42包括：

提取模块421，可以用于通过所述卷积神经网络模型的卷积层提取所述人脸样本图像在各个性格方向上的特征参数；

汇总模块422，可以用于通过所述卷积神经网络模型的全连接层汇总所述人脸样本图像在各个性格方向上的特征参数，得到多维度人脸图像在各个性格方向上的特征参数；

降维模块423，可以用于通过所述卷积神经网络模型的池化层对所述多维度人脸图像在各个性格方向上的特征参数进行降维处理，得到人脸图像在各个性格方向上的权重向量；

生成模块424，可以用于通过所述卷积神经网络模型的分类层根据所述人脸图像在各个性格方向上的权重向量生成人脸图像在各个性格方向上的性格测评结果，构建性格预测模型。

作为图5中所示面试人员的性格预测装置的进一步说明，图7是根据本发明实施例又一种面试人员的性格预测装置的结构示意图，如图7所示，所述确定单元46包括：

判定模块461，可以用于如果所述面试人员在所述面试岗位考察的性格方向上的测评结果达到预先设置符合面试岗位的测评标准，则判定所述面试人员与所述面试岗位相匹配；

所述判定模块461，还可以用于如果所述面试人员在所述面试岗位考察的性格方向上的测评结果未达到预先设置符合面试岗位的测评标准，则判定所述面试人员与所述面试岗位不匹配。

进一步地，所述确定单元46还包括：

挑选模块462，可以用于从底层数据库中随机挑选在所述面试岗位考察的性格方向上的面试题目，根据所述面试题目对所述面试人员进行考察，所述底层数据库中预先存储有各个性格方向上的面试题目。

需要说明的是，本实施例提供的一种面试人员的性格预测装置所涉及各功能单元的其他相应描述，可以参考图1至图4中的对应描述，在此不再赘述。

基于上述如图1至图4所示方法，相应的，本实施例还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述如图1至图4所示的面试人员的性格预测方法。

基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施场景所述的方法。

基于上述如图1至图4所示的方法，以及图5至图7所示的虚拟装置实施例，为了实现上述目的，本申请实施例还提供了一种计算机设备，具体可以为个人计算机、服务器、网络设备等，该实体设备包括存储介质和处理器；存储介质，用于存储计算机程序；处理器，用于执行计算机程序以实现上述如图1至图4所示的面试人员的性格预测方法。

可选地，该计算机设备还可以包括用户接口、网络接口、摄像头、射频(radiofrequency，rf)电路，传感器、音频电路、wi-fi模块等等。用户接口可以包括显示屏(display)、输入单元比如键盘(keyboard)等，可选用户接口还可以包括usb接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如蓝牙接口、wi-fi接口)等。

本领域技术人员可以理解，本实施例提供的面试人员的性格预测的实体设备结构并不构成对该实体设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。

存储介质中还可以包括操作系统、网络通信模块。操作系统是管理上述计算机设备硬件和软件资源的程序，支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与该实体设备中其它硬件和软件之间通信。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现。通过应用本申请的技术方案，与目前现有技术相比，通过将人脸样本图像输入至卷积神经网络进行训练，构建性格预测模型，预测面试人员在各个性格方向上的测评结果，为面试官提供更多关于面试人员性格特征的信息，有助于面试官全方位衡量面试人员与面试岗位和面试岗位团队的匹配度，便于公司对所需人才的甄选。

本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本申请序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。