掌桥专利:专业的专利平台
掌桥专利
首页

一种基于隐私感知的轨迹数据采集系统及方法

文献发布时间:2023-06-19 09:27:35


一种基于隐私感知的轨迹数据采集系统及方法

技术领域

本发明涉及轨迹数据采集技术领域,具体为一种基于隐私感知的轨迹数据采集系统及方法。

背景技术

隐私感知时隐私保护过程中的重要条件,而目前社交信息的不断泄露,对许多个人信息包括图像、轨迹数据进行隐私感知变得尤为关键,将隐私感知应用至数据采集中,主要为了解决轨迹数据泄露的问题,但是在现有技术中,大数据时代的到来,让数据采集的价值得到了极大程度的发挥,与此同时,人们在进行数据采集时,对数据采集过程的隐私性和安全性要求也相应有所提高,随着科学技术的不断发展,用户对隐私的安全意识更加强烈,因为隐私感知应用于用户轨迹数据采集时大势所趋,但是在现有的系统中,还存在以下不足:

1、现有技术中,对用户轨迹数据的采集,没有考虑到用户的动态性和用户移动轨迹的不定性,同时给用户带来隐私泄露的隐患,使得数据采集系统和采集到的信息缺乏一定的安全性;

2、现有技术方案中,对用户数据进行采集后,生成的用户轨迹具有一定的误差,换言之,通过数据采集生成的运动轨迹并不具备很高的准确度,在实际应用中,不具有一定的应用效果;

所以,人们需要一种可以提高轨迹数据采集准确度和安全性的一种基于隐私感知的轨迹数据采集系统及方法来解决上述问题。

发明内容

本发明的目的在于提供一种基于隐私感知的轨迹数据采集系统及方法,以解决上述背景技术中提出的问题。

为了解决上述技术问题,本发明提供如下技术方案:一种基于隐私感知的轨迹数据采集系统,包括用户采集模块、轨迹生成模块、隐私感知模块和轨迹模糊保护模块;

所述用户采集模块用于对系统用户个人信息进行采集,对完成个人信息采集的用户进行位置信息采集,同时将位置信息进行识别,判断是否为正常位置轨迹信息;

所述轨迹生成模块用于根据正常位置信息进行特征提取,把提取的位置特征进行聚类分析,生成用户轨迹模型;

所述隐私感知模块用于对用户隐私进行感知分析,根据隐私信息敏感度结合用户轨迹模型生成用户移动轨迹图;

所述轨迹模糊保护模块根据所述隐私感知模块对用户隐私的感知分析,对用户移动轨迹进行模糊处理,将动态轨迹转化为静态数据进行存储。

进一步地,所述用户采集模块包括个人信息采集单元、位置信息采集单元和位置信息识别单元;

所述个人信息采集单元用于生成系统用户列表,并对系统用户的个人信息进行采集,针对每个系统用户系统自动分配不同的轨迹数据采集路径,在用户进入系统时,用于对系统用户身份进行验证,确认系统使用者的身份信息;

所述位置信息采集单元用于对系统用户的移动轨迹进行坐标采集,并将用户移动轨迹坐标映射至空间坐标系K=(x,y,z)中,对空间坐标系中的移动轨迹坐标进行路径的一次生成;

所述位置信息识别单元用于对所述位置信息采集单元中一次生成的路径进行校准筛选,删除不处于一次生成路径合理偏差区间的坐标点。

进一步地,所述轨迹生成模块包括特征提取单元、聚类分析单元和模型生成单元;

所述特征提取单元用于构建轨迹生成图像,在生成图像对应的空间坐标系K中寻找特征点,同时找出特征点中的极值点,并对所有特征点与极值点进行检验,对对比度较低的特征点和不稳定的进行筛选;

寻找特征点,根据以下公式:

T(x

其中,T(x

根据以下公式获得特征点中的极值点:

其中,

根据极值点坐标对图像中各像素点的对比度和稳定性进行筛选,删除对比度低于各像素点平均值,稳定性差的像素点,当图像中出现异常坐标点时,不利于轨迹的准确生成,异常坐标点的存在不利于生成准确度高的轨迹,因此要通过对像素点稳定性的筛选提高轨迹准确性,所述异常坐标点包括,图像中不符合正常移动的坐标点和与所有像素点存在误差大于设定范围的坐标点,对比度低于像素点平均值的像素点为稳定性差的像素点,当像素点的的对比度低,像素点具有不稳定性;

所述聚类分析单元用于将筛选过后的特征点进行路径聚类分析,在空间坐标系中对用户的移动轨迹坐标进行路径的二次生成;

所述模型生成单元用于自动生成用户轨迹模型,所述用户轨迹模型包括用户个人信息、用户移动轨迹所在空间坐标系、用户一次生成路径和用户二次生成路径。

进一步地,所述隐私感知模块包括感知分析单元和移动轨迹生成单元

所述感知分析单元用于对用户移动轨迹进行安全分析,完成对所述模型生成单元中生成的用户轨迹模型的识别,同时对隐私区域进行感知;

通过对所述聚类分析单元二次生成的路径,计算聚类系数,进行用户感知分析,所述计算聚类系数,根据公式:

其中,CC为聚类系数,v为路径中的轨迹点,k表示轨迹点v之间的邻居数目,n表示轨迹点v的k个邻居两两之间连接的边数,

所述移动轨迹生成单元用于生成用户轨迹图,并将用户轨迹传输至数据存储单元与用户个人信息同时进行存储;

通过一次路径生成和二次路径生成进行多次路径的生成,将用户移动轨迹中误差较大的坐标进行筛除,提高路径的准确性以及数据的确定性,有利于将采集到的轨迹数据进行多次复用,提高系统的路径生成和数据采集效率。

进一步地,所述轨迹模糊保护模块包括轨迹模糊处理单元和数据存储单元;

所述轨迹模糊处理单元根据所述感知分析单元感知的隐私区域对用户移动轨迹进行信息模糊,用模糊轨迹替代用户移动轨迹;

所述对用户移动轨迹进行信息模糊,根据以下算法:

M

其中,M

通过上述公式把用户的隐私轨迹进行模糊,通过模糊处理算法,有助于系统采集数据过程中更好的挖掘存储数据的同时又可以保护好用户的隐私信息,减缓用户对轨迹数据采集的隐私安全的顾虑;

所述数据存储单元用于对系统产生的所有用户个人信息、图像聚类信息、用户移动轨迹和模糊轨迹进行存储。

一种基于隐私感知的轨迹数据采集方法,包括以下步骤:

步骤S1,对系统用户个人信息进行采集,对完成个人信息采集的用户进行位置信息采集,同时将位置信息进行识别,判断是否为正常位置轨迹信息;

步骤S2,根据正常位置信息进行特征提取,把提取的位置特征进行聚类分析,生成用户轨迹模型;

步骤S3,对用户隐私进行感知分析,根据隐私信息敏感度结合用户轨迹模型生成用户移动轨迹图;

步骤S4,根据所述步骤S3对用户隐私的感知分析,对用户移动轨迹进行模糊处理,将动态轨迹转化为静态数据进行存储。

进一步地,所述步骤S1包括:

步骤S11,生成系统用户列表,并对系统用户的个人信息进行采集,针对每个系统用户系统自动分配不同的轨迹数据采集路径,在用户进入系统时,用于对系统用户身份进行验证,确认系统使用者的身份信息;

步骤S12,对系统用户的移动轨迹进行坐标采集,并将用户移动轨迹坐标映射至空间坐标系K=(x,y,z)中,对空间坐标系中的移动轨迹坐标进行路径的一次生成;

步骤S13,对所述步骤S12中一次生成的路径进行校准筛选,删除不处于一次生成路径合理偏差区间的坐标点。

进一步地,所述步骤S2包括:

步骤S21,构建轨迹生成图像,在生成图像对应的空间坐标系K中寻找特征点,同时找出特征点中的极值点,并对所有特征点与极值点进行检验,对对比度较低的特征点和不稳定的进行筛选;

寻找特征点,根据以下公式:

T(x

其中,T(x

根据以下公式获得特征点中的极值点:

其中,

根据极值点坐标对图像中各像素点的对比度和稳定性进行筛选,删除对比度较低,稳定性较差的像素点,对比度低于像素点平均值的像素点为稳定性差的像素点,当像素点的的对比度低,像素点具有不稳定性;

步骤S22,将筛选过后的特征点进行路径聚类分析,在空间坐标系中对用户的移动轨迹坐标进行路径的二次生成;

步骤S23,自动生成用户轨迹模型,所述用户轨迹模型包括用户个人信息、用户移动轨迹所在空间坐标系、用户一次生成路径和用户二次生成路径。

进一步地,所述步骤S3包括:

步骤S31,对用户移动轨迹进行安全分析,完成对所述模型生成单元中生成的用户轨迹模型的识别,同时对隐私区域进行感知;

通过对所述聚类分析单元二次生成的路径,计算聚类系数,进行用户感知分析,所述计算聚类系数,根据公式:

其中,CC为聚类系数,v为路径中的轨迹点,k表示轨迹点v之间的邻居数目,n表示轨迹点v的k个邻居两两之间连接的边数,

步骤S32,生成用户轨迹图,并将用户轨迹传输至数据存储单元与用户个人信息同时进行存储。

进一步地,所述步骤S4包括:

步骤S41,根据所述步骤S31感知的隐私区域对用户移动轨迹进行信息模糊,用模糊轨迹替代用户移动轨迹;

所述对用户移动轨迹进行信息模糊,根据以下算法:

M

其中,M

步骤S42,对系统产生的所有用户个人信息、图像聚类信息、用户移动轨迹和模糊轨迹进行存储。

与现有技术相比,本发明所达到的有益效果是:本发明提供了一种把隐私感知技术应用于数据采集和用户轨迹生成方面,对用户的个人信息安全性进行预测和保护,通过对用户个人轨迹信息进行模糊处理,保护用户轨迹,除此以外,本发明中通过利用采集到的数据点对用户轨迹进行模型生成,多次路径生成与特征点的筛选使得最终生成的用户轨迹与实际轨迹误差大大减小,在保护轨迹安全性的同时,也对现有的轨迹数据采集系统进行了优化,使得系统在进行轨迹数据采集过程中具有更高的效率。

附图说明

附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:

图1是本发明的一种基于隐私感知的轨迹数据采集系统的模块结构示意图;

图2是本发明的一种基于隐私感知的轨迹数据采集方法的流程结构示意图。

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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。

请参阅图1-2,本发明提供技术方案:一种基于隐私感知的轨迹数据采集系统,包括用户采集模块、轨迹生成模块、隐私感知模块和轨迹模糊保护模块;

所述用户采集模块用于对系统用户个人信息进行采集,对完成个人信息采集的用户进行位置信息采集,同时将位置信息进行识别,判断是否为正常位置轨迹信息;

所述轨迹生成模块用于根据正常位置信息进行特征提取,把提取的位置特征进行聚类分析,生成用户轨迹模型;

所述隐私感知模块用于对用户隐私进行感知分析,根据隐私信息敏感度结合用户轨迹模型生成用户移动轨迹图;

所述轨迹模糊保护模块根据所述隐私感知模块对用户隐私的感知分析,对用户移动轨迹进行模糊处理,将动态轨迹转化为静态数据进行存储。

用户采集模块包括个人信息采集单元、位置信息采集单元和位置信息识别单元;

所述个人信息采集单元用于生成系统用户列表,并对系统用户的个人信息进行采集,针对每个系统用户系统自动分配不同的轨迹数据采集路径,在用户进入系统时,用于对系统用户身份进行验证,确认系统使用者的身份信息;

所述位置信息采集单元用于对系统用户的移动轨迹进行坐标采集,并将用户移动轨迹坐标映射至空间坐标系K=(x,y,z)中,对空间坐标系中的移动轨迹坐标进行路径的一次生成;

所述位置信息识别单元用于对所述位置信息采集单元中一次生成的路径进行校准筛选,删除不处于一次生成路径合理偏差区间的坐标点。

轨迹生成模块包括特征提取单元、聚类分析单元和模型生成单元;

所述特征提取单元用于构建轨迹生成图像,在生成图像对应的空间坐标系K中寻找特征点,同时找出特征点中的极值点,并对所有特征点与极值点进行检验,对对比度较低的特征点和不稳定的进行筛选;

寻找特征点,根据以下公式:

T(x

其中,T(x

根据以下公式获得特征点中的极值点:

其中,

根据极值点坐标对图像中各像素点的对比度和稳定性进行筛选,删除对比度较低,稳定性较差的像素点;

所述聚类分析单元用于将筛选过后的特征点进行路径聚类分析,在空间坐标系中对用户的移动轨迹坐标进行路径的二次生成;

所述模型生成单元用于自动生成用户轨迹模型,所述用户轨迹模型包括用户个人信息、用户移动轨迹所在空间坐标系、用户一次生成路径和用户二次生成路径。

隐私感知模块包括感知分析单元和移动轨迹生成单元

所述感知分析单元用于对用户移动轨迹进行安全分析,完成对所述模型生成单元中生成的用户轨迹模型的识别,同时对隐私区域进行感知;

通过对所述聚类分析单元二次生成的路径,计算聚类系数,进行用户感知分析,所述计算聚类系数,根据公式:

其中,CC为聚类系数,v为路径中的轨迹点,k表示轨迹点v之间的邻居数目,n表示轨迹点v的k个邻居两两之间连接的边数,

所述移动轨迹生成单元用于生成用户轨迹图,并将用户轨迹传输至数据存储单元与用户个人信息同时进行存储。

轨迹模糊保护模块包括轨迹模糊处理单元和数据存储单元;

所述轨迹模糊处理单元根据所述感知分析单元感知的隐私区域对用户移动轨迹进行信息模糊,用模糊轨迹替代用户移动轨迹;

所述对用户移动轨迹进行信息模糊,根据以下算法:

M

其中,M

所述数据存储单元用于对系统产生的所有用户个人信息、图像聚类信息、用户移动轨迹和模糊轨迹进行存储。

一种基于隐私感知的轨迹数据采集方法,包括以下步骤:

步骤S1,对系统用户个人信息进行采集,对完成个人信息采集的用户进行位置信息采集,同时将位置信息进行识别,判断是否为正常位置轨迹信息;

步骤S2,根据正常位置信息进行特征提取,把提取的位置特征进行聚类分析,生成用户轨迹模型;

步骤S3,对用户隐私进行感知分析,根据隐私信息敏感度结合用户轨迹模型生成用户移动轨迹图;

步骤S4,根据所述步骤S3对用户隐私的感知分析,对用户移动轨迹进行模糊处理,将动态轨迹转化为静态数据进行存储。

步骤S1包括:

步骤S11,生成系统用户列表,并对系统用户的个人信息进行采集,针对每个系统用户系统自动分配不同的轨迹数据采集路径,在用户进入系统时,用于对系统用户身份进行验证,确认系统使用者的身份信息;

步骤S12,对系统用户的移动轨迹进行坐标采集,并将用户移动轨迹坐标映射至空间坐标系K=(x,y,z)中,对空间坐标系中的移动轨迹坐标进行路径的一次生成;

步骤S13,对所述步骤S12中一次生成的路径进行校准筛选,删除不处于一次生成路径合理偏差区间的坐标点。

步骤S2包括:

步骤S21,构建轨迹生成图像,在生成图像对应的空间坐标系K中寻找特征点,同时找出特征点中的极值点,并对所有特征点与极值点进行检验,对对比度较低的特征点和不稳定的进行筛选;

寻找特征点,根据以下公式:

T(x

其中,T(x

根据以下公式获得特征点中的极值点:

其中,

根据极值点坐标对图像中各像素点的对比度和稳定性进行筛选,删除对比度较低,稳定性较差的像素点;

步骤S22,将筛选过后的特征点进行路径聚类分析,在空间坐标系中对用户的移动轨迹坐标进行路径的二次生成;

步骤S23,自动生成用户轨迹模型,所述用户轨迹模型包括用户个人信息、用户移动轨迹所在空间坐标系、用户一次生成路径和用户二次生成路径。

步骤S3包括:

步骤S31,对用户移动轨迹进行安全分析,完成对所述模型生成单元中生成的用户轨迹模型的识别,同时对隐私区域进行感知;

通过对所述聚类分析单元二次生成的路径,计算聚类系数,进行用户感知分析,所述计算聚类系数,根据公式:

其中,CC为聚类系数,v为路径中的轨迹点,k表示轨迹点v之间的邻居数目,n表示轨迹点v的k个邻居两两之间连接的边数,

步骤S32,生成用户轨迹图,并将用户轨迹传输至数据存储单元与用户个人信息同时进行存储。

步骤S4包括:

步骤S41,根据所述步骤S31感知的隐私区域对用户移动轨迹进行信息模糊,用模糊轨迹替代用户移动轨迹;

所述对用户移动轨迹进行信息模糊,根据以下算法:

M

其中,M

步骤S42,对系统产生的所有用户个人信息、图像聚类信息、用户移动轨迹和模糊轨迹进行存储。

对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

相关技术
  • 一种基于隐私感知的轨迹数据采集系统及方法
  • 一种群智感知中基于切片的轨迹隐私保护方法
技术分类

06120112177131