CN117408657B - 一种基于人工智能的人力资源服务系统 - Google Patents
一种基于人工智能的人力资源服务系统 Download PDFInfo
- Publication number
- CN117408657B CN117408657B CN202311404606.7A CN202311404606A CN117408657B CN 117408657 B CN117408657 B CN 117408657B CN 202311404606 A CN202311404606 A CN 202311404606A CN 117408657 B CN117408657 B CN 117408657B
- Authority
- CN
- China
- Prior art keywords
- job
- information
- recruitment
- user
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 17
- 230000007115 recruitment Effects 0.000 claims abstract description 212
- 230000000875 corresponding effect Effects 0.000 claims description 39
- 238000007726 management method Methods 0.000 claims description 35
- 238000000034 method Methods 0.000 claims description 28
- 238000012216 screening Methods 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 18
- 230000036541 health Effects 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 11
- 230000002093 peripheral effect Effects 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 10
- 238000012790 confirmation Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 230000002159 abnormal effect Effects 0.000 description 7
- 238000000605 extraction Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
- G06Q10/1053—Employment or hiring
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Economics (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于人工智能的人力资源服务系统，包括信息发布模块、智能匹配模块、招聘面试模块和入职管理模块；其中，信息发布模块用于供招聘用户在服务系统中发布招聘信息，以及供求职用户在服务系统中发布或向指定招聘用户发送自身的求职信息；智能匹配模块用于根据服务系统中发布的招聘信息和求职信息进行智能化匹配，向招聘用户和求职用户发送相应的匹配结果；招聘面试模块用于供招聘用户或者供求职用户根据匹配结果发起面试请求并完成招聘用户和求职用户的线上面试；入职管理模块用于供招聘用户建立入职人员对应的员工档案。本发明有助于提高人力资源服务的效率和降低投入的人力成本。
Description
技术领域
本发明涉及人力资源服务技术领域，特别是一种基于人工智能的人力资源服务系统。
背景技术
随着社会的发展，人力资源成为了企业竞争力的重要组成部分。
目前传统的方式下，企业在进行人员招聘的时候，通常是通过第三方招聘服务平台进行。通过第三方招聘服务平台来提供对企业用户的招聘信息发布和对求职者的简历投递的功能，但是由于开放的平台环境下，企业需要对受到的海量投递内容进行筛选，耗费大量的人力物力，且容易出现处理速度慢导致错失招聘机会等情况的发生，不能满足现代企业对人力资源服务的需求。
发明内容
针对上述问题，本发明旨在提供一种基于人工智能的人力资源服务系统。
本发明的目的采用以下技术方案来实现：
本发明示出一种基于人工智能的人力资源服务系统，包括信息发布模块、智能匹配模块、招聘面试模块和入职管理模块；其中，
信息发布模块用于供招聘用户在服务系统中发布招聘信息，以及供求职用户在服务系统中发布或向指定招聘用户发送自身的求职信息；
智能匹配模块用于根据服务系统中发布的招聘信息和求职信息进行智能化匹配，向招聘用户和求职用户发送相应的匹配结果；
招聘面试模块用于供招聘用户根据匹配结果向求职用户发起面试请求，或者供求职用户根据匹配结果向招聘用户发起面试请求；以及当招聘用户或求职用户接受面试请求后，完成招聘用户和求职用户的线上面试；
入职管理模块用于供招聘用户向通过面试的求职用户发送入职确认信息，并在受到求职用户的入职确认反馈后，建立入职人员对应的员工档案。
优选的，信息发布模块包括招聘信息发布单元；求职信息发布单元和信息展示单元；
招聘信息发布单元用于供招聘用户在服务系统中发布招聘信息，其中招聘信息包括招聘企业信息、招聘职位、职位介绍、职位要求、有效时间和工作地点等；
求职信息发布单元用于供求职用户在服务系统中发布求职信息，其中求职信息包括求职人员基本信息、学历介绍、工作经验介绍、技能介绍、期望职位、入职时间和期望工作地点等；
信息展示单元用于对服务系统中的招聘信息和求职信息进行分类展示。
优选的，条件匹配模块包括条件匹配单元和个性化匹配单元；
条件匹配单元用于根据服务系统中发布的招聘信息和求职信息进行直接匹配，将符合匹配标准的招聘信息和求职信息进行关联，得到条件匹配结果，并将条件匹配结果推送给关联的招聘信息和求职信息对应的用户；
个性化匹配单元用于根据发布的招聘信息或求职信息进行特征提取，得到特征向量集，根据得到的特征向量集从服务系统中分别获取对应的招聘信息或求职信息的匹配度，将匹配度大于设定阈值的招聘信息或求职信息进行标记，得到个性化匹配结果。
优选的，条件匹配单元包括:
根据服务系统中发布的招聘信息提取工作地点、招聘职位和职位要求信息作为条件因素，并根据提取的条件因素作为筛选条件，采用筛选条件对服务系统中的求职信息进行筛选，将全部符合筛选条件的求职信息进行标记，得到相应的条件匹配结果；和/或
根据服务系统中发布的求职信息提取期望工作地点、期望职位、学历介绍、技能介绍作为条件因素，并根据提取的条件因素作为筛选条件，采用筛选条件对服务系统中的招聘信息进行筛选，将满足筛选条件的招聘信息进行标记，得到相应的条件匹配结果。
优选的，个性化匹配单元包括：
根据目标用户发布的招聘信息或求职信息进行特征提取，得到招聘信息和求职信息中的关键信息，并根据得到的关键信息构建特征向量集，以目标用户对应的特征向量集作为基础，将该特征向量集和目标信息的特征向量集作为输入，采用基于神经网络的匹配度分析模型计算二者的匹配度，得到目标用户发布的招聘信息或求职信息与目标信息之间的匹配度，将匹配度大于设定阈值的招聘信息或求职信息进行标记，得到个性化匹配结果；
其中，目标用户包括招聘用户或求职用户，当目标用户为招聘用户时发布的为招聘信息，当目标用户为求职用户时发布的为求职信息；目标信息包括根据目标用户的招聘信息或求职信息进行条件匹配得到的条件匹配结果包含的信息，若目标用户为招聘用户，则该目标信息则为根据目标用户的招聘信息进行条件匹配的到的符合筛选条件的求职信息；若目标用户为求职用户，则该目标信息则为根据目标用户的求职信息进行条件匹配得到的满足筛选条件的招聘信息。
优选的，招聘面试模块包括招聘面试请求单元、求职面试请求单元和线上面试单元；
招聘面试请求单元用于供招聘用户根据匹配结果向指定的求职用户发起面试请求；
求职面试请求单元用于供求职用户根据匹配结果向指定的招聘用户发起面试请求；
线上面试单元用于当招聘用户或求职用户接受面试请求后，与对应的求职用户或招聘用户建立在线交流并完成线上面试，其中在线交流包括文本交流、语音交流和视频交流。
优选的，入职管理模块包括确认签约单元和档案建立单元；其中
确认签约单元用于供招聘用户向通过面试的求职用户发送入职确认信息，并在对应的求职用户确认入职后，向求职用户提供入职意向签约文件，供招聘用户和求职用户完成入职意向签约；
档案建立单元用于当招聘用户和求职用户完成入职签约后，进一步获取入职人员的入职信息，并根据入职信息建立入职人员的员工档案，其中入职信息包括入职人员的基本信息、背调信息和健康体检信息。
优选的，该系统还包括档案管理模块；
档案管理模块用于供招聘用户对入职人员的员工档案进行存储管理。
优选的，该系统还包括用户管理模块；
用户管理模块用于对服务系统中的招聘用户和求职用户基本信息进行管理。
优选的，该系统还包括健康管理模块；
健康管理模块用于供招聘用户对入职人员的健康信息进行管理。
本发明的有益效果为：本发明提供一种人力资源服务系统，能够为企业用户提供招聘信息发布和为求职者提供求职信息发布的服务，其中通过根据发布的招聘信息和求职信息进行智能化匹配，来实现企业招聘和求职者的精准匹配，有助于提高企业招聘的精确度；同时服务系统还提供线上面试和入职管理的服务，为企业和求职者提供从招聘/应聘到入职的全过程服务支持，有助于提高人力资源服务的效率和降低投入的人力成本，满足现代企业对人力资源服务的需求。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明实施例所示一种基于人工智能的人力资源服务系统的框架结构图。
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1，其示出一种基于人工智能的人力资源服务系统，包括信息发布模块、智能匹配模块、招聘面试模块和入职管理模块；其中，
信息发布模块用于供招聘用户在服务系统中发布招聘信息，以及供求职用户在服务系统中发布或向指定招聘用户发送自身的求职信息；
智能匹配模块用于根据服务系统中发布的招聘信息和求职信息进行智能化匹配，向招聘用户和求职用户发送相应的匹配结果；
招聘面试模块用于供招聘用户根据匹配结果向求职用户发起面试请求，或者供求职用户根据匹配结果向招聘用户发起面试请求；以及当招聘用户或求职用户接受面试请求后，完成招聘用户和求职用户的线上面试；
入职管理模块用于供招聘用户向通过面试的求职用户发送入职确认信息，并在受到求职用户的入职确认反馈后，建立入职人员对应的员工档案。
上述实施方式，提出一种人力资源服务系统，能够为企业用户提供招聘信息发布和为求职者提供求职信息发布的服务，其中通过根据发布的招聘信息和求职信息进行智能化匹配，来实现企业招聘和求职者的精准匹配，有助于提高企业招聘的精确度；同时服务系统还提供线上面试和入职管理的服务，为企业和求职者提供从招聘/应聘到入职的全过程服务支持，有助于提高人力资源服务的效率和降低投入的人力成本，满足现代企业对人力资源服务的需求。
优选的，信息发布模块包括招聘信息发布单元；求职信息发布单元和信息展示单元；
招聘信息发布单元用于供招聘用户在服务系统中发布招聘信息，其中招聘信息包括招聘企业信息、招聘职位、职位介绍、职位要求、有效时间和工作地点等；
求职信息发布单元用于供求职用户在服务系统中发布求职信息，其中求职信息包括求职人员基本信息、学历介绍、工作经验介绍、技能介绍、期望职位、入职时间和期望工作地点等；
信息展示单元用于对服务系统中的招聘信息和求职信息进行分类展示。
其中，求职人员基本信息包括求职人员的实名信息，包括姓名和唯一ID等。
通过服务系统提供招聘用户(企业、单位等)发布招聘信息和求职者主动发布求职信息的服务，能够有效构建招聘信息和求职信息的展示平台，促进服务系统的信息化搭建。
其中，服务系统能够建设为专门针对某企业服务的私有服务系统，或者针对不同企业服务的第三方服务系统，适应不同应用场景下的人力资源服务需求。
优选的，条件匹配模块包括条件匹配单元和个性化匹配单元；
条件匹配单元用于根据服务系统中发布的招聘信息和求职信息进行直接匹配，将符合匹配标准的招聘信息和求职信息进行关联，得到条件匹配结果，并将条件匹配结果推送给关联的招聘信息和求职信息对应的用户；
个性化匹配单元用于根据发布的招聘信息或求职信息进行特征提取，得到特征向量集，根据得到的特征向量集从服务系统中分别获取对应的招聘信息或求职信息的匹配度，将匹配度大于设定阈值的招聘信息或求职信息进行标记，得到个性化匹配结果。
通过条件匹配的方式来对服务系统中发布的招聘信息和求职信息进行匹配，能够有助于从服务系统中筛选出潜在的招聘企业和求职者的匹配项，并根据匹配结果推送给相应的招聘用户和求职用户，有助于促成招聘/求职需求的达成，提高服务系统的智能化水平。通过个性化匹配来根据招聘信息或求职信息进行进一步的特征匹配，能够实现特定招聘信息和求职信息的针对性匹配，为招聘用户和求职用户提供更精确的个性化匹配结果推送，能够满足不同招聘/求职需求的匹配。
优选的，条件匹配单元包括:
根据服务系统中发布的招聘信息提取工作地点、招聘职位和职位要求信息作为条件因素，并根据提取的条件因素作为筛选条件，采用筛选条件对服务系统中的求职信息进行筛选，将全部符合筛选条件的求职信息进行标记，得到相应的条件匹配结果；和/或
根据服务系统中发布的求职信息提取期望工作地点、期望职位、学历介绍、技能介绍作为条件因素，并根据提取的条件因素作为筛选条件，采用筛选条件对服务系统中的招聘信息进行筛选，将满足筛选条件的招聘信息进行标记，得到相应的条件匹配结果。
优选的，个性化匹配单元包括：
根据目标用户发布的招聘信息或求职信息进行特征提取，得到招聘信息和求职信息中的关键信息，并根据得到的关键信息构建特征向量集，以目标用户对应的特征向量集作为基础，将该特征向量集和目标信息的特征向量集作为输入，采用基于神经网络的匹配度分析模型计算二者的匹配度，得到目标用户发布的招聘信息或求职信息与目标信息之间的匹配度，将匹配度大于设定阈值的招聘信息或求职信息进行标记，得到个性化匹配结果；
其中，目标用户包括招聘用户或求职用户，当目标用户为招聘用户时发布的为招聘信息，当目标用户为求职用户时发布的为求职信息；目标信息包括根据目标用户的招聘信息或求职信息进行条件匹配得到的条件匹配结果包含的信息，若目标用户为招聘用户，则该目标信息则为根据目标用户的招聘信息进行条件匹配的到的符合筛选条件的求职信息；若目标用户为求职用户，则该目标信息则为根据目标用户的求职信息进行条件匹配得到的满足筛选条件的招聘信息。
通过基于人工智能分析模型来实现招聘信息和求职信息的相匹配，根据招聘信息和求职信息中包含的关键信息特征挖掘和整合组成特征向量集，并基于特征向量集进行智能化的匹配度计算，能够进一步提高招聘信息和求职信息匹配的智能化水平，进一步提高招聘者和求职者信息匹配的精确度。
优选的，招聘面试模块包括招聘面试请求单元、求职面试请求单元和线上面试单元；
招聘面试请求单元用于供招聘用户根据匹配结果向指定的求职用户发起面试请求；
求职面试请求单元用于供求职用户根据匹配结果向指定的招聘用户发起面试请求；
线上面试单元用于当招聘用户或求职用户接受面试请求后，与对应的求职用户或招聘用户建立在线交流并完成线上面试，其中在线交流包括文本交流、语音交流和视频交流。
招聘用户或求职用户根据获取的匹配结果，能够发起相应的面试请求，由目标窄频用户或求职用户接受面试请求后，通过招聘面试模块直接完成招聘用户和求职用户之间的线上面试。通过线上面试的方式，有助于进一步提高企业招聘的效率和便捷程度。实现招聘用户和求职用户之间从信息筛选到一对一精准接触的服务需求。
优选的，线上面试单元包括视频面试单元；
视频面试单元用于当招聘用户或求职用户接受面试请求后，与对应的求职用户或招聘用户建立视频通话以进行视频面试。
优选的，视频面试单元包括视频通话单元和身份识别单元；其中，
视频通话单元用于当招聘用户或求职用户接受面试请求后，与对应的求职用户或招聘用户建立在线视频连接；
身份识别单元用于在求职者面试的过程中，获取求职者的人脸图像信息，并根据获取的人脸图像信息进行身份识别，得到求职者身份信息；根据得到的求职者身份信息与求职信息中的身份信息进行比对匹配，当匹配得到的身份信息一致时，得到求职者身份验证结果为一致。
针对视频面试过程中可能出现的假身份、顶替面试等身份造假的情况，在进行视频面试的时候，特别根据视频图像对求职者的身份信息进行识别，并根据识别的身份信息和求职者提供的求职信息中的身份信息进行智能化的验证，有助于确保面试人员的身份与求职者的身份一致，提高视频面试的可靠性。
优选的，身份识别单元包括：
在求职者视频面试过程中，根据获取的视频图像进行人脸识别，得到求职者人脸图像；
根据求职者人脸图像进行特征提取，得到求职者的人脸特征数据；
根据获取的人脸特征数据从实名信息数据库中匹配与该人脸特征数据对应的身份信息，得到求职者身份信息；
根据得到的求职者身份信息与获取的求职信息中的身份信息进行比对匹配，当匹配得到的身份信息一致时，得到求职者身份验证结果为一致；否则，当匹配得到的身份信息不一致时，得到求职者身份验证结果为不一致。
优选的，根据获取的视频图像，采用基于YoloV5的人脸识别模型对求职者的人脸图像进行提取；并进一步根据求职者的人脸图像进行特征提取，其中采用的是基于CNN的神经网络模型对求职者人脸图像进行特征提取，得到人脸图像对应的特征向量；根据获取的特征向量与实名信息数据库中预存的特征向量进行匹配，得到匹配的身份信息。
通过在视频面试的过程中提取求职者的人脸图像并进一步的完成身份识别，能够确保视频面试人员身份的真实性，及时提醒企业可能出现的异常情况，避免企业投入不必要的人力物力(当面试完成入职后才发现面试人员身份异常)，进一步提高了企业人力资源招聘的效能。
优选的，视频通话单元包括视频增强单元；
视频增强单元用于在招聘用户和求职者用户进行视频面试的过程中，对双方的视频图像画面进行增强处理，提高视频图像画面的清晰度。
针对视频面试过程中，面试者通常是在室内环境下进行视频面试，而室内环境容易受到照明光线状态的影响，面试者的人脸在视频图像画面中出现反光或阴暗，导致视频图像画面中的人脸细节信息出现捕捉或表现不清晰的情况，影响针对求职者身份信息识别的准确性。在视频通话单元中特别设置视频增强单元对视频图像画面进行增强处理，提高视频图像画面的清晰度，有助于提高视频面试的适应性和可靠性。
优选的，视频增强单元包括：
针对获取的视频图像画面，采用基于YoloV5深度学习网络的人脸识别模型对视频图像画面进行处理，提取并标记视频图像画面中的人脸区域图像，其中提取的人脸区域图像为矩形区域；
根据得到的人脸区域图像进行图像小波分解，得到人脸区域图像的低频分量子图FraL和三个高频分量子图FraH1、FraH2和FraH3；
根据获取的高频分量子图计算各像素点的细节特征，其中采用的细节特征计算函数为：
其中，minu(x,y)表示像素点(x,y)处的细节特征值，表示第r个高频分量子图中像素点(x,y)的能量特征，其中，当r满足/>且/>时，则/>否则，/>其中表示像素点(x,y)处的第一周边区域，(a,b)为变量，表示属于/>范围内的像素点，VaHs(a,b)表示第s个高频分量子图中像素点(x,y)的像素值，EThr表示预设的能量阈值，其中EThr＞0；s表示变量；VaHr(x,y)表示第r个高频分量子图中像素点(x,y)的像素值；
根据各像素点的细节特征值组成细节高频分量子图FraM，并将以像素点为中心的第二周边区域内的周边像素点中存在细节特征值大于0的像素点的像素点标记为细节像素点，通用机细节像素点覆盖的区域为细节区域；
根据细节高频分量子图FraM和低频分量子图Fral进行重构，得到过渡图像Fratds；
根据得到的过渡图像Fratds返回到视频图像画面中，并将视频图像画面从RGB颜色空间转换到Lab颜色空间，提取视频图像画面的亮度分量Luc；
根据得到的亮度分量Luc进行分区域亮度调节处理：
针对细节区域进行亮度调节，其中采用的细节区域亮度调节函数为：
式中，vL′(x,y)表示细节区域亮度调节后像素点(x,y)的亮度分量值，其中(x,y)为属于细节区域内的像素点，vL(x,y)表示像素点(x,y)的亮度分量值，表示以像素点(x,y)为中心的第二周边范围内所有属于细节区域的像素点的平均亮度分量值，vLthr表示预设的细节亮度标准值，ωa和ωb分别表示权重因子，其中ωa+ωb＝1；vLddu和vLddd分别表示预设的亮度边界，vLddt表示预设的亮度变化因子；
针对除细节区域外的其他区域进行亮度调节，其中采用的其他区域亮度调节函数为：
式中，vL′(x,y)表示其他区域亮度调节后像素点(x,y)的亮度分量值，其中(x,y)为属于除细节区域外的其他区域内的像素点，vLθ(x,y)表示以像素点(x,y)为中心的第二周边范围内所有像素点的平均亮度分量值，vLthr表示预设的细节亮度标准值，表示像素点(x,y)距离细节区域的最近像素距离，disthr表示预设的距离标准值，αu和αd表示预设的变化因子，ωc和ωd分别表示权重因子，其中ωc+ωd＝1；
根据分区域亮度调节处理后亮度分量Luc′进行Lab至RGB颜色空间逆变换，得到增强后的视频图像画面。
优选的，其中像素点(x,y)处的第一周边区域包括以像素点(x,y)为中心的3×3,5×5,7×7等矩形区域，或以像素点(x,y)为中心，R＝1，2，3…为半径的圆形范围区域。
优选的，像素点(x,y)处的第二周边区域包括以像素点(x,y)为中心的3×3,5×5矩形区域，或以像素点(x,y)为中心，R＝1，2，3为半径的圆形范围区域。
可选的，亮度边界的vLddu的取值范围为80-85，优选为85；亮度边界的vLddd的取值范围为10-15，优选为10；亮度变化因子vLddt的取值范围为4-5，优选为5。
可选的，细节亮度标准值vLthr的取值范围为60-65，优选为65。
可选的，变化因子αu的取值范围为0.7-0.8，优选0.8；变化因子αd的取值范围为0.2-0.3，优选0.3。
可选的，距离标准值disthr的取值范围为D表示图像尺寸，优选/>
进一步的，身份识别单元根据增强后的视频图像画面进行进一步的人脸提取和身份识别处理，对求职者的身份信息进行智能化的验证。
针对在视频面试的过程中的视频图像画面容易受到环境因素影响，从而人脸部分的细节特征表示不清晰，影响后续基于人脸的身份识别的准确度和视频清晰度的问题。上述实施方式提出一种专门针对视频面试过程中对求职者(和面试者)的视频图像画面进行增强处理的技术方案，以提高图像清晰度和人脸特征的表征水平。具体的，首先基于人脸识别模型对视频图像画面继续处理，提取画面中的人脸区域，根据得到的人脸区域进一步局部图像的小波分解，并根据得到的高频分量子图进行细节特征区域分析，通过高频分量子图中的像素点来对图像的细节特征部分进行准确的提取。考虑到传统的细节部分提取过程中，通常是基于高频分量子图进行单个像素点的判断，因此会存在将噪声像素点误判为特征像素点的情况，因此本申请基于视频面试过程中采集到的人脸画面的特性，特别提出一种细节特征计算函数来基于像素点的区域能量来对整个图像中的细节部分进行表征和提取，同时有效提出图像中的噪声干扰，通过提取的细节特征值来组成细节高频分量子图并进行图像的进一步重构，能够突出图像中人脸区域的细节特征。同时在后续的处理中，根据得到的特征部分，基于Lab颜色空间提取到的亮度分量进一步对视频图像画面进行分区域的亮度调节，其中在针对细节区域调节的过程中，着重针对反光、阴暗等影响特征表示的情况进行自适应的修正，同时提高细节部分的整体亮度水平和清晰度。在针对细节区域的亮度调节后，进一步对其他区域进行适应性的亮度调节，其中在调节的过程中，能够基于其他区域(包括背景和人脸区域中不属于细节部分的其他区域)进行适应性的衬托调节，通过渐变调节的方式，能够在适应性提高人脸区域的亮度水平的情况下，避免了传统背景调节技术中容易出现的图像失真的情况，有效提高的视频图像画面清晰度的同时，进一步提高了人脸区域的特征表示水平。通过上述方式在进行视频面试的过程中对双方获取的视频图像画面进行自适应的增强处理，能够有助于提高视频画面的清晰度，提高视频面试的体验和进一步根据视频图像画面进行身份验证的可靠性和鲁棒性。
优选的，入职管理模块包括确认签约单元和档案建立单元；其中
确认签约单元用于供招聘用户向通过面试的求职用户发送入职确认信息，并在对应的求职用户确认入职后，向求职用户提供入职意向签约文件，供招聘用户和求职用户完成入职意向签约；
档案建立单元用于当招聘用户和求职用户完成入职意向签约后，进一步获取入职人员的入职信息，并根据入职信息建立入职人员的员工档案，其中入职信息包括入职人员的基本信息、背调信息和健康体检信息。
当通过线上面试后，招聘用户和求职用户能够达成相应的面试结果，根据面试结果，招聘用户能够对面试通过的求职用户发起入职确认信息，由求职用户确认入职后，双方达成初步的入职意向。其中入职意向为有条件的入职协议，当后续入职员工通过招聘企业的一系列入职手续(包括身份信息核实、背调信息核实、健康体检等)后，则求职人员能够顺利入职对应的企业。其中，入职意向签约具有一定的约束力，当求职人员和企业签订入职意向协议后但因个人愿意爽约时，则对该求职人员的异常入职行为进行记录，由服务系统根据异常入职行为的记录信息对相应的求职人员进行标记。或者当企业和求职人员签订入职意向协议后，因企业的非正常原因拒绝求职人员入职时，则对相应的企业的异常招聘行为进行记录，由服务系统根据异常招聘行为的记录信息对异常的招聘用户进行标记。
通过入职意向签约的方式来对招聘用户和求职用户的行为和诚信进行约束，有助于提高服务平台中招聘用户和求职用户的质量，从而提高服务系统协助完成人力资源服务的效果。
在求职人员确认入职意向后，招聘用户能够进一步获取涉及求职人员隐私信息的入职信息，通过求职人员授权提供的入职信息，招聘用户能够为该入职人员建立员工档案，方便企业实现入职人员信息的管理。
通过本发明提出的人力资源服务系统，能够为企业提供从职位招聘到面试邀约到线上面试到入职人员档案管理的涉及职位招聘的全过程服务，提高企业招聘的精确度、效率和信息管理水平，同时也为求职者提供从求职发布到争取面试到线上面试到入职企业的全过程服务，提高求职者的求职精确度和效率，提高求职体验。
优选的，该系统还包括档案管理模块；
档案管理模块用于供招聘用户对入职人员的员工档案进行存储管理。
招聘用户能够通过档案管理模块实现对人员的员工档案管理，提高员工信息的管理水平。
优选的，该系统还包括用户管理模块；
用户管理模块用于对服务系统中的招聘用户和求职用户基本信息进行管理。
服务系统通过用户管理模块对注册的用户信息进行管理，包括新用户的注册和登录服务系统的用户身份验证，确保服务系统中招聘用户和求职者用户的身份信息具备真实性和可靠性。
优选的，该系统还包括健康管理模块；
健康管理模块用于供招聘用户对入职人员的健康信息进行管理。
通过健康管理模块，企业能够对入职人员的健康信息进行周期性的管理，例如对周期性的体检报告或者重大的健康疾病信息进行统一管理，有助于企业对员工的健康状况进行全面把控。
需要说明的是，在本发明各个实施例中的各功能单元/模块可以集成在一个处理单元/模块中，也可以是各个单元/模块单独物理存在，也可以是两个或两个以上单元/模块集成在一个单元/模块中。上述集成的单元/模块既可以采用硬件的形式实现，也可以采用软件功能单元/模块的形式实现。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解应当理解，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
Claims (9)
1.一种基于人工智能的人力资源服务系统，其特征在于，包括信息发布模块、智能匹配模块、招聘面试模块和入职管理模块；其中，
信息发布模块用于供招聘用户在服务系统中发布招聘信息，以及供求职用户在服务系统中发布或向指定招聘用户发送自身的求职信息；
智能匹配模块用于根据服务系统中发布的招聘信息和求职信息进行智能化匹配，向招聘用户和求职用户发送相应的匹配结果；
招聘面试模块用于供招聘用户根据匹配结果向求职用户发起面试请求，或者供求职用户根据匹配结果向招聘用户发起面试请求；以及当招聘用户或求职用户接受面试请求后，完成招聘用户和求职用户的线上面试；
入职管理模块用于供招聘用户向通过面试的求职用户发送入职确认信息，并在受到求职用户的入职确认反馈后，建立入职人员对应的员工档案；
其中，招聘面试模块包括招聘面试请求单元、求职面试请求单元和线上面试单元；
招聘面试请求单元用于供招聘用户根据匹配结果向指定的求职用户发起面试请求；
求职面试请求单元用于供求职用户根据匹配结果向指定的招聘用户发起面试请求；
线上面试单元用于当招聘用户或求职用户接受面试请求后，与对应的求职用户或招聘用户建立在线交流并完成线上面试，其中在线交流包括文本交流、语音交流和视频交流；
其中，线上面试单元包括视频面试单元；
视频面试单元用于当招聘用户或求职用户接受面试请求后，与对应的求职用户或招聘用户建立视频通话以进行视频面试；
视频面试单元包括视频通话单元和身份识别单元；其中，
视频通话单元用于当招聘用户或求职用户接受面试请求后，与对应的求职用户或招聘用户建立在线视频连接；
身份识别单元用于在求职者面试的过程中，获取求职者的人脸图像信息，并根据获取的人脸图像信息进行身份识别，得到求职者身份信息；根据得到的求职者身份信息与求职信息中的身份信息进行比对匹配，当匹配得到的身份信息一致时，得到求职者身份验证结果为一致；
其中，视频通话单元包括视频增强单元；
视频增强单元用于在招聘用户和求职者用户进行视频面试的过程中，对双方的视频图像画面进行增强处理，提高视频图像画面的清晰度；
视频增强单元包括：
针对获取的视频图像画面，采用基于YoloV5深度学习网络的人脸识别模型对视频图像画面进行处理，提取并标记视频图像画面中的人脸区域图像，其中提取的人脸区域图像为矩形区域；
根据得到的人脸区域图像进行图像小波分解，得到人脸区域图像的低频分量子图FraL和三个高频分量子图FraH1、FraH2和FraH3；
根据获取的高频分量子图计算各像素点的细节特征，其中采用的细节特征计算函数为：
其中，minu(x,y)表示像素点(x,y)处的细节特征值，表示第r个高频分量子图中像素点(x,y)的能量特征，其中，当r满足/>且时，则/>否则，/>其中表示像素点(x,y)处的第一周边区域，(a,b)为变量，表示属于/>范围内的像素点，VaHs(a,b)表示第s个高频分量子图中像素点(x,y)的像素值，EThr表示预设的能量阈值，其中EThr>0；s表示变量；VaHr(x,y)表示第r个高频分量子图中像素点(x,y)的像素值；
根据各像素点的细节特征值组成细节高频分量子图FraM，并将以像素点为中心的第二周边区域内的周边像素点中存在细节特征值大于0的像素点的像素点标记为细节像素点，通用机细节像素点覆盖的区域为细节区域；
根据细节高频分量子图FraM和低频分量子图FraL进行重构，得到过渡图像Fratds；
根据得到的过渡图像Fratds返回到视频图像画面中，并将视频图像画面从RGB颜色空间转换到Lab颜色空间，提取视频图像画面的亮度分量Luc；
根据得到的亮度分量Luc进行分区域亮度调节处理：
针对细节区域进行亮度调节，其中采用的细节区域亮度调节函数为：
式中，vL′(x,y)表示细节区域亮度调节后像素点(x,y)的亮度分量值，其中(x,y)为属于细节区域内的像素点，vL(x,y)表示像素点(x,y)的亮度分量值，表示以像素点(x,y)为中心的第二周边范围内所有属于细节区域的像素点的平均亮度分量值，vLthr表示预设的细节亮度标准值，ωa和ωb分别表示权重因子，其中ωa+ωb＝1；vLddu和vLddd分别表示预设的亮度边界，vLddt表示预设的亮度变化因子；
针对除细节区域外的其他区域进行亮度调节，其中采用的其他区域亮度调节函数为：
式中，vL′(x,y)表示其他区域亮度调节后像素点(x,y)的亮度分量值，其中(x,y)为属于除细节区域外的其他区域内的像素点，vLθ(x,y)表示以像素点(x,y)为中心的第二周边范围内所有像素点的平均亮度分量值，vLthr表示预设的细节亮度标准值，表示像素点(x,y)距离细节区域的最近像素距离，disthr表示预设的距离标准值，αu和αd表示预设的变化因子，ωc和ωd分别表示权重因子，其中ωc+ωd＝1；
根据分区域亮度调节处理后亮度分量Luc′进行Lab至RGB颜色空间逆变换，得到增强后的视频图像画面。
2.根据权利要求1所述的一种基于人工智能的人力资源服务系统，其特征在于，信息发布模块包括招聘信息发布单元；求职信息发布单元和信息展示单元；
招聘信息发布单元用于供招聘用户在服务系统中发布招聘信息，其中招聘信息包括招聘企业信息、招聘职位、职位介绍、职位要求、有效时间和工作地点；
求职信息发布单元用于供求职用户在服务系统中发布求职信息，其中求职信息包括求职人员基本信息、学历介绍、工作经验介绍、技能介绍、期望职位、入职时间和期望工作地点；
信息展示单元用于对服务系统中的招聘信息和求职信息进行分类展示。
3.根据权利要求1所述的一种基于人工智能的人力资源服务系统，其特征在于，智能匹配模块包括条件匹配单元和个性化匹配单元；
条件匹配单元用于根据服务系统中发布的招聘信息和求职信息进行直接匹配，将符合匹配标准的招聘信息和求职信息进行关联，得到条件匹配结果，并将条件匹配结果推送给关联的招聘信息和求职信息对应的用户；
个性化匹配单元用于根据发布的招聘信息或求职信息进行特征提取，得到特征向量集，根据得到的特征向量集从服务系统中分别获取对应的招聘信息或求职信息的匹配度，将匹配度大于设定阈值的招聘信息或求职信息进行标记，得到个性化匹配结果。
4.根据权利要求3所述的一种基于人工智能的人力资源服务系统，其特征在于，条件匹配单元包括:
根据服务系统中发布的招聘信息提取工作地点、招聘职位和职位要求信息作为条件因素，并根据提取的条件因素作为筛选条件，采用筛选条件对服务系统中的求职信息进行筛选，将全部符合筛选条件的求职信息进行标记，得到相应的条件匹配结果；和/或
根据服务系统中发布的求职信息提取期望工作地点、期望职位、学历介绍、技能介绍作为条件因素，并根据提取的条件因素作为筛选条件，采用筛选条件对服务系统中的招聘信息进行筛选，将满足筛选条件的招聘信息进行标记，得到相应的条件匹配结果。
5.根据权利要求4所述的一种基于人工智能的人力资源服务系统，其特征在于，个性化匹配单元包括：
根据目标用户发布的招聘信息或求职信息进行特征提取，得到招聘信息和求职信息中的关键信息，并根据得到的关键信息构建特征向量集，以目标用户对应的特征向量集作为基础，将该特征向量集和目标信息的特征向量集作为输入，采用基于神经网络的匹配度分析模型计算二者的匹配度，得到目标用户发布的招聘信息或求职信息与目标信息之间的匹配度，将匹配度大于设定阈值的招聘信息或求职信息进行标记，得到个性化匹配结果；
其中，目标用户包括招聘用户或求职用户，当目标用户为招聘用户时发布的为招聘信息，当目标用户为求职用户时发布的为求职信息；目标信息包括根据目标用户的招聘信息或求职信息进行条件匹配得到的条件匹配结果包含的信息，若目标用户为招聘用户，则该目标信息则为根据目标用户的招聘信息进行条件匹配的到的符合筛选条件的求职信息；若目标用户为求职用户，则该目标信息则为根据目标用户的求职信息进行条件匹配得到的满足筛选条件的招聘信息。
6.根据权利要求1所述的一种基于人工智能的人力资源服务系统，其特征在于，入职管理模块包括确认签约单元和档案建立单元；其中
确认签约单元用于供招聘用户向通过面试的求职用户发送入职确认信息，并在对应的求职用户确认入职后，向求职用户提供入职意向签约文件，供招聘用户和求职用户完成入职意向签约；
档案建立单元用于当招聘用户和求职用户完成入职签约后，进一步获取入职人员的入职信息，并根据入职信息建立入职人员的员工档案，其中入职信息包括入职人员的基本信息、背调信息和健康体检信息。
7.根据权利要求1所述的一种基于人工智能的人力资源服务系统，其特征在于，还包括档案管理模块；
档案管理模块用于供招聘用户对入职人员的员工档案进行存储管理。
8.根据权利要求1所述的一种基于人工智能的人力资源服务系统，其特征在于，还包括用户管理模块；
用户管理模块用于对服务系统中的招聘用户和求职用户基本信息进行管理。
9.根据权利要求1所述的一种基于人工智能的人力资源服务系统，其特征在于，还包括健康管理模块；
健康管理模块用于供招聘用户对入职人员的健康信息进行管理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311404606.7A CN117408657B (zh) | 2023-10-27 | 2023-10-27 | 一种基于人工智能的人力资源服务系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311404606.7A CN117408657B (zh) | 2023-10-27 | 2023-10-27 | 一种基于人工智能的人力资源服务系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117408657A CN117408657A (zh) | 2024-01-16 |
| CN117408657B true CN117408657B (zh) | 2024-05-17 |
Family
ID=89486723
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311404606.7A Active CN117408657B (zh) | 2023-10-27 | 2023-10-27 | 一种基于人工智能的人力资源服务系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117408657B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0016838D0 (en) * | 2000-07-07 | 2000-08-30 | Forbidden Technologies Plc | Improvements relating to representations of compressed video |
| CN104299086A (zh) * | 2014-10-14 | 2015-01-21 | 河南智业科技发展有限公司 | 一种基于云服务的招聘系统及方法 |
| CN109272459A (zh) * | 2018-08-20 | 2019-01-25 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
| CN109345490A (zh) * | 2018-11-20 | 2019-02-15 | 湖南快乐阳光互动娱乐传媒有限公司 | 一种移动播放端实时视频画质增强方法及系统 |
| EP3195191B1 (en) * | 2014-09-03 | 2020-10-21 | Ventana Medical Systems, Inc. | Systems and methods for calculating immune scores |
| CN112767251A (zh) * | 2021-01-20 | 2021-05-07 | 重庆邮电大学 | 基于多尺度细节特征融合神经网络的图像超分辨率方法 |
| CN113435841A (zh) * | 2021-06-24 | 2021-09-24 | 浙江工贸职业技术学院 | 一种基于大数据的人才智能匹配招聘系统 |
| WO2021238655A1 (zh) * | 2020-05-29 | 2021-12-02 | 展讯通信（上海）有限公司 | 图像处理方法及装置、存储介质、终端 |
| CN113810677A (zh) * | 2021-09-09 | 2021-12-17 | Oppo广东移动通信有限公司 | 屏幕的亮度调节方法、终端及可读存储介质 |
| CN116167732A (zh) * | 2022-12-01 | 2023-05-26 | 广东省通信产业服务有限公司广州分公司 | 一种基于人工智能的互联网面试平台 |
| CN116403197A (zh) * | 2023-03-27 | 2023-07-07 | 广州市智崎衡器有限公司 | 基于ai图像识别的智能称重方法及其系统 |
| CN116758475A (zh) * | 2023-06-09 | 2023-09-15 | 浙江英集动力科技有限公司 | 基于多源图像识别和深度学习的能源站异常行为预警方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11158056B2 (en) * | 2019-06-26 | 2021-10-26 | Intel Corporation | Surround camera system with seamless stitching for arbitrary viewpoint selection |
-
2023
- 2023-10-27 CN CN202311404606.7A patent/CN117408657B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0016838D0 (en) * | 2000-07-07 | 2000-08-30 | Forbidden Technologies Plc | Improvements relating to representations of compressed video |
| EP3195191B1 (en) * | 2014-09-03 | 2020-10-21 | Ventana Medical Systems, Inc. | Systems and methods for calculating immune scores |
| CN104299086A (zh) * | 2014-10-14 | 2015-01-21 | 河南智业科技发展有限公司 | 一种基于云服务的招聘系统及方法 |
| CN109272459A (zh) * | 2018-08-20 | 2019-01-25 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
| CN109345490A (zh) * | 2018-11-20 | 2019-02-15 | 湖南快乐阳光互动娱乐传媒有限公司 | 一种移动播放端实时视频画质增强方法及系统 |
| WO2021238655A1 (zh) * | 2020-05-29 | 2021-12-02 | 展讯通信（上海）有限公司 | 图像处理方法及装置、存储介质、终端 |
| CN112767251A (zh) * | 2021-01-20 | 2021-05-07 | 重庆邮电大学 | 基于多尺度细节特征融合神经网络的图像超分辨率方法 |
| CN113435841A (zh) * | 2021-06-24 | 2021-09-24 | 浙江工贸职业技术学院 | 一种基于大数据的人才智能匹配招聘系统 |
| CN113810677A (zh) * | 2021-09-09 | 2021-12-17 | Oppo广东移动通信有限公司 | 屏幕的亮度调节方法、终端及可读存储介质 |
| CN116167732A (zh) * | 2022-12-01 | 2023-05-26 | 广东省通信产业服务有限公司广州分公司 | 一种基于人工智能的互联网面试平台 |
| CN116403197A (zh) * | 2023-03-27 | 2023-07-07 | 广州市智崎衡器有限公司 | 基于ai图像识别的智能称重方法及其系统 |
| CN116758475A (zh) * | 2023-06-09 | 2023-09-15 | 浙江英集动力科技有限公司 | 基于多源图像识别和深度学习的能源站异常行为预警方法 |
Non-Patent Citations (5)
| Title |
|---|
| An Adaptive Method for Image Dynamic Range Adjustment;KF Yang等;《IEEE Transactions on Circuits and Systems for Video Technology》;20180227;第29卷(第3期);第640-652页 * |
| Low-illumination Image Enhancement Algorithm Based on Visual Perception;Wang Xiaoyuan;《Computer Engineering》;20170511;第42卷(第8期);第249-254页 * |
| 一种改进的仿生彩色图像增强算法;何惜琴 等;《闽江学院学报》;20170925;第38卷(第5期);第49-55页 * |
| 仓储式多AGV动态调度系统研究;于赫年;《中国优秀硕士学位论文全文数据库信息科技辑》;20200215(第2期);第I140-426页 * |
| 矿井图像的去噪与增强算法研究;甘建旺;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20220215(第2期);第 B021-311页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117408657A (zh) | 2024-01-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11468408B2 (en) | Building automation system with visitor management | |
| CN110502592B (zh) | 基于大数据分析技术的项目域主题分析系统 | |
| CN108734813B (zh) | 临时门禁卡的发放方法及装置 | |
| CN107909668B (zh) | 一种签到方法及终端设备 | |
| CN103975342A (zh) | 用于移动图像捕获和处理的系统和方法 | |
| CN111460138A (zh) | 一种基于bim的数字化工程监理方法与系统 | |
| US20180365278A1 (en) | Automated image-based record creation and related database systems | |
| CN112508759B (zh) | 基于微服务的大数据管理和挖掘系统 | |
| CN107093064A (zh) | 一种基于手机app的数字动植检执法在线互动平台及其工作方法 | |
| CN111882398A (zh) | 智慧城市服务推荐方法、装置、计算机设备及存储介质 | |
| CN113139854A (zh) | 一种共享律所法律服务系统 | |
| CN107609044B (zh) | 一种信息获取方法及终端设备 | |
| CN114444940B (zh) | 一种基于大数据的企业数据采集分析系统 | |
| CN108182743A (zh) | 一种人脸识别系统 | |
| CN117408657B (zh) | 一种基于人工智能的人力资源服务系统 | |
| KR20130131543A (ko) | Ｑｒ코드를 이용한 다가구 주택의 실거래 시스템 및 방법 | |
| CN110796014A (zh) | 垃圾投放习惯分析方法、系统、装置及存储介质 | |
| DE102021124261A1 (de) | Automatisierte computerisierte Identifizierung von Anlagegegenständen | |
| CN115098919B (zh) | 基于bim的数字化工程建设项目综合管理系统及方法 | |
| CN113159621B (zh) | 一种企业外包服务资源管理平台 | |
| CN109598647A (zh) | 房源信息管理方法、装置、设备和存储介质 | |
| CN115050487A (zh) | 一种基于人工智能的互联网医疗服务管理系统 | |
| CN117291559A (zh) | 一种智能化企业人才管理系统 | |
| US20060259337A1 (en) | System and method for managing business partner qualifications | |
| KR102547887B1 (ko) | 영상산업 회계 및 인사 관리서버 및 그 관리방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |