(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210543337.1 (22)申请日 2022.05.19 (71)申请人 深圳季连科技有限公司 地址 518000 广东省深圳市南 山区粤海街 道海珠社区海德三道15号海岸大厦东 座1403A-3002 (72)发明人 熊常春　王敬贵　李国元　沈之锐　 吴江川　李苗　熊桥峰　张富耕　 (51)Int.Cl. G06F 16/29(2019.01) G06F 21/62(2013.01) G06K 9/62(2022.01) G16H 20/60(2018.01) G16H 50/30(2018.01) (54)发明名称 一种基于隐私保护的导 航方法 (57)摘要 本申请提供一种基于隐私保护的导航方法， 包括： 本申请提供一种基于隐私保护的导航方 法， 包括： 构建隐私保护的导航系统， 具体包括： 建立区块链数据库保护健康隐私； 就餐先检测用 户健康状态和当天运动状态， 所述就餐先检测用 户健康状态和当天运动状态， 具体包括： 任意位 置检测用户健康 状态， 分析用户健康状态的独特 性； 根据健康状态指数分析最佳的饮食内容； 根 据最佳饮食内容室内导航到最佳的窗口； 用户状 态的隐私保护， 推荐数据和路径进行混淆。 权利要求书3页 说明书7页 附图1页 CN 115048474 A 2022.09.13 CN 115048474 A 1.一种基于隐私保护的导 航方法， 其特 征在于， 所述方法包括： 构建隐私保护的导航系统， 具体包括： 建立区块链数据库保护健康隐私； 就餐先检测用 户健康状态和当天运动状态， 所述就餐先检测用户健康状态和当天运动状态， 具体包括： 任 意位置检测用户健康状态， 分析用户健康状态的独特性； 根据健康状态指数分析最佳的饮 食内容； 根据最佳饮食内容室内导航到最佳的窗口； 用户状态的 隐私保护， 推荐 数据和路径 进行混淆； 隐私算法与混淆算法避开被广告系统拍摄到饮食规律和健康状态， 所述隐私算 法与混淆算法避开被广告系统拍摄到饮食规律和健康状态， 具体包括： 根据用户健康状态 的独特性调整导航参数， 避开广告， 根据用户的运动状态调整导航参数， 避开广告推荐， 基 于用户职位调整导 航参数， 避开广告推荐。 2.根据权利要求1所述的方法， 其中， 所述构建隐私保护的导 航系统， 包括: 隐私保护的导航系统包括用户信息单元、 用户健康状态检测单元、 用户当天运动状态 检测单元、 饮食内容分析单元、 室内导航单元、 用户数据隐私保护单元； 用户信息查询单元 包括， 用户健康状态的查询， 用户当天运动状态的查询， 用户饮食内容的查询， 用户的人脸 数据信息； 用户健康检测单元， 包括对用户健康状态的检测功能； 饮食内容分析单元包括， 根据用户健康状态和当天运动状态分析最佳 的饮食内容； 室内导航单元包括， 根据饮食内 容导航用户到最佳的窗口； 用户数据隐私保护单元， 对用户数据进行保护处理； 包括： 建立 区块链数据库保护健康隐私； 所述建立区块链数据库保护健康隐私， 具体包括： 根据系统获取到的用户数据， 用户数据包括用户健康信 息、 饮食内容信息、 当天运动状 态信息， 建立区块链数据库； 区块链数据库使用分布式计算存储模式， 去除中心 化的管理结 构； 各个数据块通过使用Spark分布式计算系统， 将计算任务分发到各个机器上， 进行并行 计算。 3.根据权利要求1所述的方法， 其中， 所述就餐先检测用户健康状态和当天运动状态， 包括: 首先， 系统获取食堂的摄像头信息， 摄像头信 息包括食堂图像信 息； 根据获取到的食堂 图像信息， 使用MediaPipe识别与检测人脸， Mideapipe将人脸信息作为输入， 检测与识别结 果作为输出； 其中， 数据包是Mediapipe最基础的数据单位， 一个数据包为某个特定时间节 点的信息数据； 根据Mediapipe检测与识别结果的人脸数据， 通过贝叶斯经典分类器， 将检 测与识别结果的人脸数据与数据库中的人脸数据信息进行分类， 得到 分类的结果为识别用 户结果； 根据贝叶斯经典分类器的分类结果确定用户信息， 根据MediaPipe检测的位姿信息 计算用户的身高信息； 获取当天运动状态信息， 运动状态信息包括， 运动地点， 运动内容， 运 动时长， 根据运动状态信息调整饮食内容； 包括： 任意位置检测用户健康状态； 分析用户健 康状态的独特性； 所述任意 位置检测用户健康状态， 具体包括： 首先， 系统将Mediapipe检测与识别的人脸数据信息， 标记未测量用户室内地图位置； 未测量用户室内地图位置发送至可移动体重测量仪器终端； 可移动体重测量仪器随机选择 前往未测量用户室内地图位置对不同用户体重、 体脂进 行测量； 建立健康状态指数， 健康状 态指数＝体重 ‑(身高‑105)+体脂； 健康状态指数小于18或健康状态指数大于24， 表 明该用 户健康状态差； 健康状态指数 大于18且健康状态指数小于24， 表明该用户健康状态良好；权　利　要　求　书 1/3 页 2 CN 115048474 A 2所述分析用户健康状态的独特性， 具体包括： 根据用户健康状态指数， 建立数学模型， 分析用户健康状态的独特性； 分析每个用户的 健康状态指数， 计算所有不同健康状态指数的频率， 即某用户的健康状态指数的人数/所有 用户的人数， 得到的结果为某用户健康状态的独特性； 若某用户的健康状态指数低于百分 之10， 表示该用户的健康状态具有独特性； 根据用户健康状态的独特性调整导航参数， 在路 径导航所推荐的路径当中， 优先选择导航参数中广告牌少的参数路径， 若路径的广告牌数 量相同， 优选选择人流量少的路径； 改变导航参数， 保护健康状态的相对比较独特的人群隐 私安全， 避免广告推荐系统收集信息时更容 易收集人群异质性特 征。 4.根据权利要求1所述的方法， 其中， 所述根据健康状态指数分析最佳的饮食内容， 包 括: 建立饮食内容数据集， 包括蔬菜饮食内容数据集， 肉类饮食内容数据集、 饮品饮食内容 数据集， 其中， 数据集中的各项内容标注对应的卡路里作为数据集标签， 数据集标签的单位 为卡路里/100g； 根据分析的健康状态指数， 使用贝叶斯模型， 训练各种食物属性和健康状 态评分之间的关系， 预测最佳的饮食内容； 根据健康状态指数大于24， 小于24且大于18， 小 于18， 对不同种类菜品从小到大分配不同权值； 根据贝叶斯模型模型基本数学公式为P (AiBiCi)＝P(Ai)*P(Bi)*P(Ci)， 其中Ai为蔬菜饮食内容的某一种类， Bi为肉类饮食内容的某 一种类， Ci为饮品饮食内容的某一种类， 得到预测结果； 根据贝叶斯模型预测结果， 得到用 户最佳的饮食内容。 5.根据权利要求1所述的方法， 其中， 所述根据最佳饮食内容室内导航到最佳的窗口， 包括: 根据食堂中的摄像头相对应的图像使用图像识别技术， 使用Mediapipe框架识别食堂 不同位置的人流量情况， 构建路径规划 算法， 输入为最佳饮食内容对应窗口的位置与用户 所在位置， 输出为室内导航最佳路径； 使用A ‑Star算法构建路径规划算法， A ‑Star算法将 Dijkstra算法与广度优先搜索算法(BFS)二者结合； A ‑Star算法将初始点位置加 入到开启 列表openlist中； 将要处理的结点加入至关闭列表closelist中； 对当前结点的8个相邻结 点的每个结点， 如果是不可抵达的或者已在关闭列表closelist中的结点， A ‑Star算法忽略 该结点； 遍历相 邻的结点， 直到最佳的窗口位置加入到了开启列表openlist中， 表 示路径已 经找到； 路径规划结合人流 量不同路径中人流 量的大小， 推荐用户最佳导 航路径。 6.根据权利要求1所述的方法， 其中， 所述用户状态的隐私保护， 推荐数据和路径进行 混淆， 包括: 使用区块链技术建立数据库， 并使用分布式计算存储模式， 去除中心化的管理结构， 对 隐私数据进行加密， 隐私数据包括用户的健康信息、 饮食内容、 当天运动状态； 使用差分隐 私加密技术， 在查询推荐 数据， 用户路径结果中加入了结果的不确定性； 其中， 差 分隐私， 通 过Laplacian机制， 对于相邻的数据集， 给定相对应的映射函数在 对用户查询的结果中加入 Laplacian噪音， 生成与原结果有细微差异的最终结果； 其中， Laplacian噪音公式为： P (AiBiCi)＝P(Ai)*P(Bi)*P(Ci)， 其中Ai为蔬菜饮食内容的某一种类， Bi为肉类饮食内容的某 一种类， Ci为饮品饮食内容的某一种类， 得到预测结果。 7.根据权利要求1所述的方法， 其中， 所述隐私算法与混淆算法避开被广告系统拍摄到 饮食规律和健康状态， 包括:权　利　要　求　书 2/3 页 3 CN 115048474 A 3