CN114626818A - 一种基于大数据的岗前情绪综合测评方法 - Google Patents

Abstract

本发明公开一种基于大数据的岗前情绪综合测评方法，包括以下步骤：获取测试者人脸图像信息，并与数据库进行比对，获得身份数据；获取并显示情绪测试问卷，对所述测试者进行情绪测试；采集情绪测试过程中测试者的人脸视频信息，并进行人脸表情识别，结合问卷结果，判定所述身份数据的情绪类型以及情绪等级；根据所述情绪类型以及情绪等级判定所述测试者的调节指令并对测试者进行情绪调节，根据测试者情绪变化数据标记所述调节指令；本发明通过情绪测试问卷以及测试者人脸视频信息判定测试者的情绪类型以及情绪等级，还能够采集情绪调节的过程中测试者的心率，实现了针对调节指令的调节程度的反馈，使得后续的情绪调节更有效。

Description

一种基于大数据的岗前情绪综合测评方法

技术领域

本发明涉及岗前检测技术领域，具体涉及一种基于大数据的岗前情绪综合测评方法。

背景技术

目前各行业在组织生产和作业过程中，主要依靠既定规章制度和强制安全措施等，实际操作过程中以口头宣教为制度，现场派人监督为主，这一系列措施在一定程度上有效的保障了作业过程中的安全，但意外事故依旧时有发生，尤其是在轨道交通、航空航天等特殊安全操作岗位工作中。

如果能够在岗前就对作业人员的基本生理指标(如血压、血液酒精含量等指标)充分了解，以检测数据为参考，科学化人性化的组织生产，配合制度和安规，从最大限度上杜绝隐患，为生命财产安全多一层保障。

但是现有的岗前安全风险评估方法仅仅能够对测试者的身体数据进行测评，无法结合测试者的情绪状态以及心理状态进行岗前的综合测评，也无法对测试者进行情绪调节后反馈情绪调节方式的调节程度，故而急需一种基于大数据的岗前情绪综合测评方法来解决这一现状。

发明内容

本发明的目的在于提供一种基于大数据的岗前情绪综合测评方法，解决以下技术问题：

现有的岗前安全风险评估方法仅仅能够对测试者的身体数据进行测评，无法结合测试者的情绪状态以及心理状态进行岗前的综合测评，也无法对测试者进行情绪调节后反馈情绪调节方式的调节程度。

本发明的目的可以通过以下技术方案实现：

一种基于大数据的岗前情绪综合测评方法，所述方法包括以下步骤：

获取测试者人脸图像信息，并与数据库进行比对，获得身份数据；

采集测试者呼出气体并判定所述测试者的饮酒等级；

采集测试者的身体数据，所述身体数据包括人体温度、血压、脉搏、心率以及血氧饱和度数据；

获取并显示情绪测试问卷，对所述测试者进行情绪测试；

采集情绪测试过程中测试者的人脸视频信息，并进行人脸表情识别，结合问卷结果，判定所述身份数据的情绪类型以及情绪等级；所述的情绪类型包括喜悦、热情、积极、轻松、忧愁、悲伤、愤怒、紧张、焦虑、痛苦、恐惧以及憎恨，所述的情绪等级包括轻度、中度以及重度；

根据所述情绪类型以及情绪等级判定所述测试者的调节指令并对测试者进行情绪调节，根据测试者情绪变化数据标记所述调节指令。

作为本发明的一种改进方案：采集测试者呼出气体并判定所述测试者的饮酒等级的过程具体包括以下步骤：

采集测试者呼出气体并检测其中酒精浓度，并根据测出的酒精浓度属于的酒精浓度范围判定所述测试者的饮酒等级，所述的饮酒等级包括轻度、中度以及重度；

若所述饮酒等级为重度，则触发警报。

作为本发明的另一种改进方案：所述数据库中存储有多个情绪测试问卷，所述数据库以固定时间为间隔获取以太网的用于情绪测试领域的迭代问卷，将迭代问卷与情绪测试问卷比对，并删除与迭代问卷内容相同的情绪测试问卷，随后数据库内为新的情绪测试问卷；测试者被采集身体数据之后，情绪测试问卷显示并动态加载待测试题目以及与所述待测试题目相关联的题目，以实现情绪测试。

作为本发明的另一种改进方案：所述问卷结果是情绪测试问卷根据测试者与问卷的交互操作生成的情绪测试结果，包括情绪类型、情绪等级以及分析建议。

作为本发明的进一步方案：当所述情绪类型为消极情绪的一种且情绪等级为重度时，触发警报，并且不进行情绪调节；所述的消极情绪包括忧愁、悲伤、愤怒、紧张、焦虑、痛苦、恐惧以及憎恨。

作为本发明的再进一步方案：判定所述测试者的调节指令和标记所述调节指令的过程具体包括以下步骤：

根据所述情绪类型以及情绪等级获取调节指令，并执行该调节指令；

采集并记载执行该调节指令过程中测试者的心率，得到心率变化图像，并识别情绪变化规律；

根据情绪变化规律判定所述调节指令的调节程度，并根据调节程度标记相应调节指令，所述的调节程度包括A级程度、B级程度以及C级程度。

作为本发明的再进一步方案：所述调节指令包括图片列表循环播放指令、视频列表循环播放指令以及音乐列表循环播放指令，根据所述的情绪类型将不同的调节指令进行分类并设定调节等级，所述的调节等级与情绪等级相对应，所述的调节等级包括一级调节、二级调节以及三级调节。

作为本发明的再进一步方案：在完成对所述测试者的情绪调节之后，若所述心率变化图像的波动频率小于阈值区间最小值，将所述测试者的身份数据标记为无效调节，若该身份数据被标记为无效调节的次数达到阈值，提高该身份数据对应测试者的调节指令的调节等级，并对该测试者重新进行情绪调节。

作为本发明的再进一步方案：采集情绪测试过程中测试者的人脸视频信息进行人脸表情识别的过程包括以下步骤：

以帧数为单位识别人脸视频信息中的情绪特征点；

将每帧情绪特征点分别与标准表情模型进行比对，判定人脸视频信息中每帧画面上测试者的表情；

按照时间顺序记载每帧情绪特征点变化记录，并生成情绪特征点变化模型。

作为本发明的再进一步方案：根据测试者情绪变化数据标记所述调节指令的过程之后，所述方法还包括以下步骤：

获取测试者的情绪类型、情绪等级以及情绪变化数据，建立测试者的初始情绪变化模型；

每次测评方法执行后，都会获取测试者的情绪类型、情绪等级以及情绪变化数据并上传至数据库，并根据测试时间生成迭代情绪变化模型，随后覆盖初始情绪变化模型，生成新的初始情绪变化模型。

本发明的有益效果：本发明中的测评方法包括对测试者身体数据的采集以及对测试者的情绪测试，通过情绪测试问卷以及对情绪测试过程中采集的测试者人脸视频信息进行的人脸表情识别判定测试者的情绪类型以及情绪等级，实现了结合测试者的情绪状态以及心理状态进行岗前的综合测评，还能够根据测试者的情绪类型以及情绪等级判定合适的调节指令并对测试者进行情绪调节，情绪调节的过程中采集测试者的心率，并根据心率变化图像识别情绪变化规律，若所述心率变化图像的波动频率小于阈值区间最小值，将所述测试者的身份数据标记为无效调节，若该身份数据被标记为无效调节的次数达到阈值，提高该身份数据对应测试者的调节指令的调节等级，并对该测试者重新进行情绪调节，实现了针对调节指令的调节程度的反馈，使得后续的情绪调节更有效。

附图说明

下面结合附图对本发明作进一步的说明。

图1是一种基于大数据的岗前情绪综合测评方法主流程图；

图2是一种基于大数据的岗前情绪综合测评方法中判定和标记调节指令的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。

数据的来源有很多，比如出行记录、消费记录、浏览的网页、发送的消息等等。除了文本类型的数据，图像、音乐、声音都是数据。

数据库是一个按数据结构来存储和管理数据的计算机软件系统。数据库的概念实际包括两层意思：

(1)数据库是一个实体，它是能够合理保管数据的“仓库”，用户在该“仓库”中存放要管理的事务数据，“数据”和“库”两个概念结合成为数据库。

(2)数据库是数据管理的新方法和技术，它能更合适的组织数据、更方便的维护数据、更严密的控制数据和更有效的利用数据。

在本发明实施例中，数据获取和上传的渠道可以为用户所使用的手机、平板电脑和计算机等可以通信的设备。通过上述设备可以与服务器通过数据线、WiFi或者其他网络进行连接，从而将客户端中项目数据进行上传。而且所述的客户端还可以为手机、平板电脑和计算机等可以通信的设备上使用的APP或者后台软件，并通过上述方式进行数据的传输。本领域技术人员可以理解，上述设备的描述仅仅是示例，并不构成对设备的限定，可以包括比上述描述更多或更少的部件，或者组合某些部件，或者不同的部件，例如可以包括输入输出设备、网络接入设备、总线等。

请参阅图1所示，本发明提供一种基于大数据的岗前情绪综合测评方法，所述方法包括以下步骤：

步骤S10：获取测试者人脸图像信息，并与数据库进行比对，获得身份数据；

步骤S11：采集测试者呼出气体并判定所述测试者的饮酒等级；

步骤S12：采集测试者的身体数据，所述身体数据包括人体温度、血压、脉搏、心率以及血氧饱和度数据；

步骤S13：获取并显示情绪测试问卷，对所述测试者进行情绪测试；同时记载测试者与问卷的交互操作记录以方便后续查阅；

步骤S14：采集情绪测试过程中测试者的人脸视频信息，并进行人脸表情识别，结合问卷结果，判定所述身份数据的情绪类型以及情绪等级；所述的情绪类型包括喜悦、热情、积极、轻松、忧愁、悲伤、愤怒、紧张、焦虑、痛苦、恐惧以及憎恨，所述的情绪等级包括轻度、中度以及重度；

步骤S15：根据所述情绪类型以及情绪等级判定所述测试者的调节指令并对测试者进行情绪调节，根据测试者情绪变化数据标记所述调节指令。

在本实施例的一种情况中，采集测试者的身体数据的过程具体包括以下步骤：

通过接触式传感器采集测试者的人体温度、血压、脉搏、心率以及血氧饱和度数据；

将采集的数据分别与相应的标准数据比对；

若采集的数据与标准数据之间的差值大于阈值区间，则触发警报以提醒该测试者无法上岗。

可以理解的是，若测试者的情绪类型被判定为积极情绪，则无需进行情绪调节，所述的积极情绪包括喜悦、热情、积极以及轻松。

若测试者进行情绪测试过程中，人脸表情识别结合人脸肌肉特征点的抓取识别，能够判定测试者的情绪变化过程，若问卷结果显示测试者为轻度愤怒，并且对情绪测试过程中采集的测试者人脸视频信息进行人脸表情识别，发现测试者的面部表情始终保持或者有明显增加的愤怒表情，则结合问卷结果后测试者可能被判定为中度愤怒，而判定测试者为重度愤怒，或是重度其他消极情绪时，触发警报提醒该测试者不宜上岗。

需要说明的是，对情绪测试过程中采集的测试者人脸视频信息进行人脸表情识别的过程中，执行所述的基于大数据的岗前情绪综合测评方法的系统能够提取测试者的情绪特征点，并将情绪特征点与情绪数据库进行比对，进而判定测试者被提取情绪特征点时的情绪类型。

在本实施例的一种情况中，获取测试者人脸图像信息，并与数据库进行比对，获得身份数据的过程具体包括以下步骤：

获取认证区域内的图像信息并提取图像信息中的人脸特征点；

根据提取的人脸特征点测算测试者人脸距离检测摄像头的距离；

将测算的距离与距离阈值进行比对，比对结果不相同时根据语音提醒测试者移动直至测算的距离与距离阈值相同。

在获取摄像区域内的图像信息并提取图像信息中的人脸特征点的过程之后，若未提取得到人脸特征点或是提取的人脸特征点部分缺失，则判定测试者的人脸不在认证区域内，随后语音提醒测试者移动直至其人脸位于认证区域内。

在本发明一种优选的实施例中，采集测试者呼出气体并判定所述测试者的饮酒等级的过程具体包括以下步骤：

采集测试者呼出气体并检测其中酒精浓度，并根据测出的酒精浓度属于的酒精浓度范围判定所述测试者的饮酒等级，所述的饮酒等级包括轻度、中度以及重度；

若所述饮酒等级为重度，则触发警报以提醒该测试者无法上岗。

需要说明的是，本方法能够依据各行业内的行业标准，根据呼出气体中酒精浓度的多少设定不同的饮酒等级；采用酒精测试仪采集测试者呼出的气体，并测量其中的酒精浓度之后，测出的酒精浓度属于的酒精浓度范围所对应的饮酒等级即为测试者的饮酒等级，若测试者的饮酒等级为重度，则触发警报以提醒该测试者无法上岗。

在本发明另一种优选的实施例中，所述数据库中存储有多个情绪测试问卷，所述数据库以固定时间为间隔获取以太网的用于情绪测试领域的迭代问卷，将迭代问卷与情绪测试问卷比对，并删除与迭代问卷内容相同的情绪测试问卷，随后数据库内为新的情绪测试问卷；测试者被采集身体数据之后，情绪测试问卷显示并动态加载待测试题目以及与所述待测试题目相关联的题目，以实现情绪测试。

在本发明另一种优选的实施例中，所述问卷结果是情绪测试问卷根据测试者与问卷的交互操作生成的情绪测试结果，包括情绪类型、情绪等级以及分析建议；所述分析建议是根据测试者被测试出的情绪类型以及情绪等级生成的工作建议和生活建议，有助于测试者调整消极情绪并保持积极情绪，从而更好的开展工作。

在本发明另一种优选的实施例中，当所述情绪类型为消极情绪的一种且情绪等级为重度时，触发警报以提醒该测试者不宜上岗，并且不进行情绪调节；所述的消极情绪包括忧愁、悲伤、愤怒、紧张、焦虑、痛苦、恐惧以及憎恨；因为通过相应调节指令对测试者进行情绪调节的调节程度有限，若是测试者被测出是重度的消极情绪，那么判定即使接受了情绪调节，其情绪也无法调节至适宜上岗的中度、轻度消极情绪或是积极情绪；所述的消极情绪包括忧愁、悲伤、愤怒、紧张、焦虑、痛苦、恐惧以及憎恨，不利于测试者开展工作或者进行正常的思考。

图2示出了本发明实施例的一种基于大数据的岗前情绪综合测评方法中判定和标记调节指令的流程图，判定所述测试者的调节指令和标记所述调节指令的过程具体包括以下步骤：

步骤S151：根据所述情绪类型以及情绪等级获取调节指令，并执行该调节指令；

步骤S152：采集并记载执行该调节指令过程中测试者的心率，得到心率变化图像，并识别情绪变化规律；

步骤S153：根据情绪变化规律判定所述调节指令的调节程度，并根据调节程度标记相应调节指令，所述的调节程度包括A级程度、B级程度以及C级程度。

在本实施例的一种情况中，所述调节指令包括图片列表循环播放指令、视频列表循环播放指令以及音乐列表循环播放指令，根据所述的情绪类型将不同的调节指令进行分类并设定调节等级，所述的调节等级与情绪等级相对应，所述的调节等级包括一级调节、二级调节以及三级调节。

本实施例在实际应用时，若情绪类型被判定为愤怒，则执行所述的基于大数据的岗前情绪综合测评方法的系统获取调节愤怒这一类型中的调节指令，同时情绪等级被判定为轻度，则所述系统获取一级调节的调节指令，那么进行的情绪调节就可能是多段舒缓音乐列表循环播放，也可能是多段喜剧视频列表循环播放；需要说明的是，每种调节等级对应的调节指令均为多个，不仅仅是图片列表循环播放指令、视频列表循环播放指令以及音乐列表循环播放指令中的一个。

在本发明另一种优选的实施例中，在完成对所述测试者的情绪调节之后，若所述心率变化图像的波动频率小于阈值区间最小值，将所述测试者的身份数据标记为无效调节，若该身份数据被标记为无效调节的次数达到阈值，提高该身份数据对应测试者的调节指令的调节等级，并对该测试者重新进行情绪调节。

本实施例在实际应用时，若测试者被检测出轻度愤怒，采用调节愤怒这一类型中一级调节的调节指令进行情绪调节之后，测试者的心率变化图像的波动频率较小，也就是说，测试者的情绪变化较小，说明了相应调节指令的调节程度较小，测试者还是处于轻度的消极情绪中，此时该测试者的身份数据被标记一次无效调节，若上述情况出现了多次，且该测试者的身份数据被标记为无效调节的次数达到阈值，该测试者再次检测出轻度的消极情绪之后，该测试者的调节指令从对应情绪类型下的一级调节更改为对应情绪类型下的二级调节，并再次对该测试者进行情绪调节，避免了某些测试者对于系统提供的情绪调节方式不敏感导致情绪调节效果差的问题；另外，若测试者的身份数据被标记为无效调节，此次情绪调节中的调节指令的调节程度被标记为A级程度，若该调节指令被标记为A级程度的次数达到阈值，该调节指令参与情绪调节的次数会减少；若进行情绪调节后测试者的心率变化图像的波动频率大于阈值区间最大值，则此次情绪调节中的调节指令的调节程度被标记为C级程度，表示测试者接受根据此调节指令进行的情绪调节后，消极情绪有了较大的调整以及恢复，说明了该调节指令的调节效果极佳，该调节指令被标记为C级程度的次数达到阈值后，该调节指令参与情绪调节的次数会增加；若进行情绪调节后测试者的心率变化图像的波动频率属于阈值区间，则此次情绪调节中的调节指令的调节程度被标记为B级程度，表示测试者接受根据此调节指令进行的情绪调节后，消极情绪能够被调整，该调节指令的调节效果较好。

在本实施例中，采集情绪测试过程中测试者的人脸视频信息进行人脸表情识别的过程包括以下步骤：

以帧数为单位识别人脸视频信息中的情绪特征点；

将每帧情绪特征点分别与标准表情模型进行比对，判定人脸视频信息中每帧画面上测试者的表情；

按照时间顺序记载每帧情绪特征点变化记录，并生成情绪特征点变化模型；能够清晰直观的了解到测试者在被录制视频的过程中，其面部表情是如何变化的，结合大数据可推算出测试者在这过程中内心情绪的变化，结合情绪测试的过程，能够准确定位到让测试者内心情绪发生变化的具体测试步骤，进而得到情绪测试的效果反馈，能够更有针对性的安排后续的情绪测试。

并且在本实施例中，根据测试者情绪变化数据标记所述调节指令的过程之后，所述方法还包括以下步骤：

获取测试者的情绪类型、情绪等级以及情绪变化数据，建立测试者的初始情绪变化模型；

每次测评方法执行后，都会获取测试者的情绪类型、情绪等级以及情绪变化数据并上传至数据库，并根据测试时间生成迭代情绪变化模型，随后覆盖初始情绪变化模型，生成新的初始情绪变化模型；在实际应用中，可以查阅某上岗者一段时间内的岗前综合测评结果，可以清晰直观的了解其近段时间内的心理情绪变化情况。

本领域技术人员可以理解，上述关于服务设备的描述仅仅是示例，并不构成对终端设备的限定，可以包括比上述描述更多或更少的部件，或者组合某些部件，或者不同的部件，例如可以包括输入输出设备、网络接入设备、总线等。

终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例系统中的全部或部分模块/单元，也可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个系统实施例的功能。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。

本应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于大数据的岗前情绪综合测评方法，其特征在于，所述方法包括以下步骤：

获取测试者人脸图像信息，并与数据库进行比对，获得身份数据；

采集测试者呼出气体并判定所述测试者的饮酒等级；

采集测试者的身体数据，所述身体数据包括人体温度、血压、脉搏、心率以及血氧饱和度数据；

获取并显示情绪测试问卷，对所述测试者进行情绪测试；

采集情绪测试过程中测试者的人脸视频信息，并进行人脸表情识别，结合问卷结果，判定所述身份数据的情绪类型以及情绪等级；所述的情绪类型包括喜悦、热情、积极、轻松、忧愁、悲伤、愤怒、紧张、焦虑、痛苦、恐惧以及憎恨，所述的情绪等级包括轻度、中度以及重度；

根据所述情绪类型以及情绪等级判定所述测试者的调节指令并对测试者进行情绪调节，根据测试者情绪变化数据标记所述调节指令。

2.根据权利要求1所述的基于大数据的岗前情绪综合测评方法，其特征在于，采集测试者呼出气体并判定所述测试者的饮酒等级的过程具体包括以下步骤：

采集测试者呼出气体并检测其中酒精浓度，并根据测出的酒精浓度属于的酒精浓度范围判定所述测试者的饮酒等级，所述的饮酒等级包括轻度、中度以及重度；

若所述饮酒等级为重度，则触发警报。

3.根据权利要求1所述的基于大数据的岗前情绪综合测评方法，其特征在于，所述数据库中存储有多个情绪测试问卷，所述数据库以固定时间为间隔获取以太网的用于情绪测试领域的迭代问卷，将迭代问卷与情绪测试问卷比对，并删除与迭代问卷内容相同的情绪测试问卷，随后数据库内为新的情绪测试问卷；测试者被采集身体数据之后，情绪测试问卷显示并动态加载待测试题目以及与所述待测试题目相关联的题目，以实现情绪测试。

4.根据权利要求3所述的基于大数据的岗前情绪综合测评方法，其特征在于，所述问卷结果是情绪测试问卷根据测试者与问卷的交互操作生成的情绪测试结果，包括情绪类型、情绪等级以及分析建议。

5.根据权利要求1所述的基于大数据的岗前情绪综合测评方法，其特征在于，当所述情绪类型为消极情绪的一种且情绪等级为重度时，触发警报，并且不进行情绪调节；所述的消极情绪包括忧愁、悲伤、愤怒、紧张、焦虑、痛苦、恐惧以及憎恨。

6.根据权利要求1所述的基于大数据的岗前情绪综合测评方法，其特征在于，判定所述测试者的调节指令和标记所述调节指令的过程具体包括以下步骤：

根据所述情绪类型以及情绪等级获取调节指令，并执行该调节指令；

采集并记载执行该调节指令过程中测试者的心率，得到心率变化图像，并识别情绪变化规律；

根据情绪变化规律判定所述调节指令的调节程度，并根据调节程度标记相应调节指令，所述的调节程度包括A级程度、B级程度以及C级程度。

7.根据权利要求6所述的基于大数据的岗前情绪综合测评方法，其特征在于，所述调节指令包括图片列表循环播放指令、视频列表循环播放指令以及音乐列表循环播放指令，根据所述的情绪类型将不同的调节指令进行分类并设定调节等级，所述的调节等级与情绪等级相对应，所述的调节等级包括一级调节、二级调节以及三级调节。

8.根据权利要求7所述的基于大数据的岗前情绪综合测评方法，其特征在于，在完成对所述测试者的情绪调节之后，若所述心率变化图像的波动频率小于阈值区间最小值，将所述测试者的身份数据标记为无效调节，若该身份数据被标记为无效调节的次数达到阈值，提高该身份数据对应测试者的调节指令的调节等级，并对该测试者重新进行情绪调节。

9.根据权利要求1所述的基于大数据的岗前情绪综合测评方法，其特征在于，采集情绪测试过程中测试者的人脸视频信息进行人脸表情识别的过程包括以下步骤：

以帧数为单位识别人脸视频信息中的情绪特征点；

将每帧情绪特征点分别与标准表情模型进行比对，判定人脸视频信息中每帧画面上测试者的表情；

按照时间顺序记载每帧情绪特征点变化记录，并生成情绪特征点变化模型。

10.根据权利要求1所述的基于大数据的岗前情绪综合测评方法，其特征在于，根据测试者情绪变化数据标记所述调节指令的过程之后，所述方法还包括以下步骤：

获取测试者的情绪类型、情绪等级以及情绪变化数据，建立测试者的初始情绪变化模型；

每次测评方法执行后，都会获取测试者的情绪类型、情绪等级以及情绪变化数据并上传至数据库，并根据测试时间生成迭代情绪变化模型，随后覆盖初始情绪变化模型，生成新的初始情绪变化模型。

Images