位置服务作为新兴战略型产业,发展越来越壮大,人们对室内定位技术也提出了更高的要求。室内定位常见技术有:基站定位技术、Wi-Fi定位技术、UWB定位技术、蓝牙定位技术、RFID定位技术、视觉定位技术等。无线定位和视觉定位作为近年来新兴定位技术,有着各自的优缺点,如视觉定位精确度高但运算复杂度较高,无线网络定位使用简单但定位精度有待进一步提高。所以,单一的室内定位技术存在一定的局限性。基于图像信号和无线通信信号融合的室内定位,可以发挥各自优势。本论文完成了以下几个方面的工作:1.提出了一种基于图像信号辅助的室内无线信号衰减模型。本文针对无线定位系统中对数距离路径损耗模型未将人员干扰因素考虑在内的局限性,对人体干扰对无线信号传播造成的影响进行定量分析,提出基于人员数目对对数距离路径损耗模型进行改进的模型,为后续定位提供相对精确的发射机与接收机之间的位置信息。实验表明,本文模型测得的距离信息比对数距离路径损耗模型得到的结果更接近实际测量值,证明该模型的有效性;同时,该算法在人员出现频率不同的室内场景,如大厅、办公室、走廊,都具有很好的定位性能,测量结果与定位结果的均方根误差(RMSE:Root Mean Square Error)从2.37米减小到1.14米,优于基于众包(CS:Crowdsourcing)和基于FM广播无线信号的定位算法,提高了室内定位的精度。2.提出一种基于深度神经网络(CNN:Convolution Neural Network)模型的人员定位和人员数目统计方法。本文提出的无线信号衰减模型需要确定信号传播路径中人员数目,本文采用CNN模型来实现。本文将采用的基于完全卷积的定位神经网络(FCLN,Fully Convoluted Localization Network)方法同广泛应用于人体检测的方向梯度直方图(HOG:Histogram Oriented Gradient)特征以及人工计数得到的真实人员数目进行比较。结果表明,本文采用的CNN模型在不同室内场景下的人体检测结果和计数误差率都比较理想,更加准确估计了无线信号在人员走动情况下的路径损耗。3.提出一种基于局部特征的FAST-SURF图像特征提取算法。在无线定位存在信号覆盖盲区以及满足进一步提高定位精度的需要时,视觉定位可以发挥作用。针对视觉定位图像特征提取计算量大的问题,本文通过改进SURF算法的特征点检测,提出了 FAST-SURF算法。在实验环境建立的数据库下,对同幅图像分别采用SURF、FAST-SURF 算法进行特征提取和匹配。实验结果表明,该算法特征匹配的正确率可以达到85%,而SURF特征提取算法仅达到78%,同时运行时间减小到33.28ms,优于基于SURF算法的53.74ms,证明本文提出算法在特征提取的计算量和实时性方面,都有了明显的改善和提高。4.针对单一定位方式存在定位精度差的问题,本文对多源信息融合策略进行研究,利用边缘粒子滤波器对视觉定位信息和无线定位信息进行融合。实验表明,融合算法进一步提高了室内定位的精度,有效的优化了定位估计的平滑性,具有良好的收敛性。通过论文的数据处理和实验测量,基于图像信号和无线通信信号融合的室内定位在实时性和定位精度方面优于其他相关算法,具有重要的理论和实践价值。