随着我国老龄化进程的加快,老龄人口的规模逐渐扩大,由于年龄增长导致机能减退以及长期缺乏亲人陪伴,使得独居老人在居家养老的过程中面临很大的安全风险。一旦发生跌倒或突发疾病等因素导致的意外事件,老人往往难以在第一时间主动呼救,进而危及生命。老人室内监护系统可以在意外事件发生后及时发出报警提醒,避免伤害进一步扩大,具有较高的理论研究价值及应用前景。本文提出一种WiFi与双目视觉相结合的室内监护系统方案,通过WiFi指纹匹配算法实现室内定位,根据双目视觉基于深度学习技术完成行为识别,并将室内定位和行为识别进行多特征融合,实现全方位的室内监护。具体地,主要工作内容如下:(1)提出一种K-Means与WKNN相结合的室内定位算法。首先通过K-Means聚类分析将WiFi位置指纹特征库划分为不同的簇集,然后根据最近邻算法计算距离在线采集的WiFi数据最近的簇心,最后在包裹该簇心的簇集内通过WKNN算法计算位置坐标。(2)提出一种基于三维人体骨架模型的行为识别算法。首先通过MobileNet优化的CMU_Pose网络模型实现二维人体关键点检测,然后根据双目视觉将二维人体关键点构建为三维人体骨架,最后根据三维人体骨架模型的角度特征,采用随机森林算法完成行为识别。(3)依照标准化软件开发流程,进行软件需求分析、软件总体设计、功能模块设计。分别进行APP、JSP服务器以及PyQT开发,最后进行软件测试。最终的实验结果表明:本文提出的WiFi室内定位算法定位精度达到1.86m;实际样本的跌倒行为识别算法准确率91.23%;本文设计的老人室内监护软件功能完备,实用性较强。