随着物联网时代的到来,基于传感器的活动识别研究成为热点,其中利用可穿戴式传感器的活动识别在移动计算领域的研究较多,而基于非穿戴式传感器的活动识别研究更适合于智能环境应用中,这也是进一步完善智能家居设计乃至实现的关键点。而且,考虑到使用方便性和设备的无打扰性,基于非穿戴式传感器的活动识别也具有其自身的优势,到目前为止,基于非穿戴式传感器的活动识别仍然具有很大的挑战性。因此,本文研究基于非穿戴式传感器的多人室内活动识别,其中,非穿戴式传感器包括环境传感器和物体传感器,室内活动主要包括一些常见的日常活动,这些活动可能会对环境或是相应物体产生影响,包括:在工位学习、打印、烧水、煮咖啡、谈话、读书、写字、用电脑、喝水。故本文的研究根据活动产生影响的不同可分为两个部分,基于环境传感器的活动识别研究和基于物体传感器的活动识别研究。在基于环境传感器的活动识别研究,本文利用环境传感器,包括电表、温、湿度传感器、红外人体感应传感器、避碍传感器、光强传感器和录音笔搭建模拟实验平台采集活动数据,利用采集到的数据,本文针对数据形态的不同及多人并发活动的特点,给出两种算法和模型进行活动识别,分别为基于动态时间扭曲(DTW)的K近邻(KNN)模型和多标签算法模型的基于支持向量机(SVM)的多分类器模型,最后证明,多标签算法模型的基于SVM的多分类器模型表现更好,最终得到了89%的识别准确率。在基于物体传感器的活动识别研究中,本文主要应用的传感器设备为射频识别(RFID)标签和RFID读写器,其中标签有两种,贴附于各个物体表面,RFID读写器用来读取各个标签的接收信号强度(RSS)数据。本文设计模拟平台采集RSS数据。利用采集到的活动数据,在此部分,考虑到RSS数据的特点,本文提出数据映射方法,再利用CNN-LSTM模型对数据进行自动的数据空间特征和时间特征提取,并最终在活动识别上达到了95%的识别准确率。在本文的最后,分别对基于环境传感器和物体传感器的活动识别方法做了完整的测试和对比分析,从模拟环境搭建策略到数据采集过程,再到活动识别算法模型,对基于非穿戴式传感器的活动识别给出总体的识别和设计方案。综上所述,本文给出基于非穿戴式传感器的多人室内活动识别方法,方法产生了可接受并优于以往相似研究的识别结果,并具有很好的可扩展性和可移植性。