基于位置服务（Location Based Services,LBS）在无人驾驶、智能交通、应急救援以及智慧城市等领域上发挥着十分重要的作用。对于室外环境,美国的GPS系统、欧洲的伽利略系统以及中国的北斗卫星系统已经可以提供很好的位置信息,由于卫星信号容易受到建筑物遮挡,这些成熟的定位系统在室内环境的定位性能不是十分理想。随着社会的发展,人们对室内定位的需求也日益增多,定位方案也从单一定位技术逐渐发展为多种技术的融合。现有的定位技术方案大致存在两个主要问题,一是定位精度较高,但需要额外部署大量硬件设备,定位成本过高,不便于实际推广应用;二是可利用室内广泛部署的硬件设备,但定位精度较低,定位性能容易受到环境的干扰。本论文的主要工作及创新体现在以下四个方面:首先,针对现有室内定位技术方案存在的问题,本论文提出了融合监控视频和手机惯性传感器信息的室内定位方案。在大型室内环境中,监控摄像头作为基本的安防设备已被广泛部署,且计算机处理能力的提升以及深度学习技术的发展,使得视频行人检测和轨迹追踪的精度得到有效提高。随着移动互联网时代的到来,智能手机成为人们日常出行随身携带的电子设备之一,且手机惯性传感器定位具有简单、高效、可识别用户身份等优势,因此监控视频融合手机惯性传感器的定位方案可有效解决定位成本和定位精度难以平衡的问题。实验结果表明,多行人实验场景下,融合系统平均定位精度可达1.7米,可满足普通用户的定位需求。其次,针对基于监控视频行人追踪过程中,多个行人并行行走时,行人检测框的分开及合并会造成轨迹中断问题,本论文提出了结合图像深度特征和轨迹运动特征的改进马尔科夫模型视频行人追踪方案,实验结果表明,该视频行人追踪方案可有效解决轨迹的合并和分开问题,并有效减少了轨迹切换的次数。再次,在行人航位推算（Pedestrian Dead Reckoning,PDR）轨迹和视频行人轨迹匹配阶段,本论文提出了单步匹配的基于特征加权算法以及多步匹配的动态时间规整结合特征加权算法,实验结果表明,这两种匹配算法均可有效提高轨迹匹配准确率,在多行人定位场景下,平均匹配准确率为81%左右。最后,设计并实现了一套监控视频和手机惯性传感器融合定位系统,开发了一个用于Android手机的定位APP以及可在线定位的服务器,实验结果表明,用户在待定位区域发起定位请求时,可在线接收并显示服务器返回的定位结果。