随着人口老龄化程度的加深和人口年龄分布格局的变化,传统的家庭养老方式面临巨大挑战,智能居家养老备受各国学者关注。人体定位和行为异常检测作为智能居家养老系统的基础,已被广泛研究。人体定位的常用算法是基于热释电红外传感器网络的区域定位,该算法精度不高,且无法对人体静止和人处于检测区域之外两种状态进行区分。行为异常检测主要是对摔倒行为异常进行检测,常用的算法是基于加速度传感器信号幅值向量的阈值分析法,研究发现,该算法的抗干扰性较弱。针对人体定位算法和行为异常检测算法中存在的不足,本文采用多传感器信息融合方法对室内人体定位和人体行为异常检测进行研究。本文对人体定位的研究主要采用红外传感器网络与穿戴式传感器信息融合算法来提高定位精度,相比于红外传感器网络的人体定位算法,本文提出的算法可获得更高的定位精度。在行为异常检测的研究中发现,不同行为状态对应的加速度传感器各轴向数据有不同的特点,基于这一发现提出了双阈值分析算法,该算法可以有效的排除跑步对摔倒检测的干扰,具有良好的抗干扰性和检测精度。采用多传感器信息融合算法对躺下位置异常进行检测,并将其作为摔倒异常检测的补充和完善,进一步提高了行为异常检测的精度。经过实验验证,多传感器融合方法的人体定位、双阈值分析算法对摔倒行为的检测和多传感器融合的躺下位置异常检测均取得了较高的精度。本文的研究不仅为智能居家养老系统提供了研究平台,也为智能养老的后续研究打下了基础,具有较高的实用意义和研究价值。