室内人体定位与动作识别一直以来都是当代人工智能领域研究的热点之一,针对这两方面已有的研究成果非常多,但是从成本、实现复杂度和人体隐私等方面去考虑,现有的一些人体目标定位和动作识别算法存在使用的仪器昂贵、环境要求太高和容易泄露生活隐私等问题。本文针对上面的问题提出了利用人体运动时热释电红外传感器输出的模拟信号来对人体进行定位和动作识别。首先热释电红外传感器成本和功耗都低,其次它采集的信号是人体红外热辐射,既不会泄露隐私也不会干扰正常生活与工作,且它可以适应复杂多变的外部环境。因此本文利用PIR传感器输出的模拟信号,通过深度学习网络建立人体动作识别模型,通过信号的互相关特性建立人体目标定位模型,实现了在室内环境下人体目标的定位和动作识别。本文主要工作如下:（1）在分析PIR传感器输出的模拟信号的基础下,设计并搭建了一套分布式热释电红外传感器系统来采集人体运动的实时信号,为后续人体动作识别和人体目标定位方法模型的建立提供原始数据;（2）针对人体不同动作时PIR传感器节点输出数据的时序特征,提出了一种两层网络级联的混合深度学习网络模型作为人体动作的分类算法。第一层采用一维卷积神经网络对数据进行特征提取,第二层采用门控循环单元保存历史输入信息防止丢失有效特征,并利用softmax分类器输出五种基本动作的识别准确率,最终显示的平均识别准确率高达98%;（3）针对单PIR传感器对人体目标定位的方法定位准确度低和抗干扰能力差,提出了一种基于两路PIR传感器信号之间相关特性的人体目标定位模型,利用两路PIR模拟信号之间的相关系数和目标所在位置构建定位函数模型,从而通过两路信号之间的Pearson相关系数可以确定人体所在位置,经实验验证该模型具有平均定位偏差小和抗干扰能力强的特点,平均定位偏差仅为0.087m。实验表明,利用本文设计的人体热释电红外信息采集系统中采集到的人体运动信号可以进行室内人体目标定位和动作识别且拥有较高的准确率,具有重要的理论意义和应用价值。