1.一种基于隐私感知的轨迹数据采集系统，其特征在于，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。

2.根据权利要求1所述的一种基于隐私感知的轨迹数据采集系统，其特征在于，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。

3.根据权利要求2所述的一种基于隐私感知的轨迹数据采集系统，其特征在于，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，对对比度低于平均值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(x1，y1，z1，)＝K(x，y，z)*I(x，y，z，σ)；

其中，T(x1，y1，z1，)为提取到的特征点集合，K(x，y，z)为空间坐标系，I(x，y，z，σ)为特征提取的尺度空间，其中x,y,z是尺度空间中的像素点坐标，σ为尺度空间的变换因子，用于表示特征提取时尺度空间变换程度；

根据以下公式获得特征点中的极值点：

其中， 为特征点中的极值点，T(x1，y1，z1，)为提取到的特征点集合， 为极值点位置；

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和稳定性差的像素点，其中，对比度低于像素点平均值的像素点为稳定性差的像素点；

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。

4.根据权利要求3所述的一种基于隐私感知的轨迹数据采集系统，其特征在于，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， 表示k个邻居之间两两相连的最多边数；

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。

5.根据权利要求4所述的一种基于隐私感知的轨迹数据采集系统，其特征在于，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：

MC＝CCvT+σ；

其中，MC为模糊处理后的轨迹，CCv为聚类后的路径轨迹，T为路径内的所有特征点集合，σ为特征提取时尺度空间的变换因子；

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。

6.一种基于隐私感知的轨迹数据采集方法，其特征在于，所述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。

7.根据权利要求6所述的一种基于隐私感知的轨迹数据采集方法，其特征在于，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。

8.根据权利要求7所述的一种基于隐私感知的轨迹数据采集方法，其特征在于，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，对对比度低于平均值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(x1，y1，z1，)＝K(x，y，z)*I(x，y，z，σ)；

其中，T(x1，y1，z1，)为提取到的特征点集合，K(x，y，z)为空间坐标系，I(x，y，z，σ)为特征提取的尺度空间，其中x,y,z是尺度空间中的像素点坐标，σ为尺度空间的变换因子，用于表示特征提取时尺度空间变换程度；

根据以下公式获得特征点中的极值点：

其中， 为特征点中的极值点，T(x1，y1，z1，)为提取到的特征点集合， 为极值点位置；

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和稳定性差的像素点，其中，对比度低于像素点平均值的像素点为稳定性差的像素点；

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。

9.根据权利要求8所述的一种基于隐私感知的轨迹数据采集方法，其特征在于，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， 表示k个邻居之间两两相连的最多边数；

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。

10.根据权利要求9所述的一种基于隐私感知的轨迹数据采集方法，其特征在于，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：

MC＝CCvT+σ；

其中，MC为模糊处理后的轨迹，CCv为聚类后的路径轨迹，T为路径内的所有特征点集合，σ为特征提取时尺度空间的变换因子；

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。