在“万物互联”技术的推动下,健康智能家居逐渐得到应用和推广。行为感知技术是实现健康智能家居、远程健康医疗的基础技术,因此室内人员的行为感知也成为许多学者们研究的热点。调频连续波（Frequency Modulated Continuous Wave,FMCW）雷达以其高精度、高鲁棒性、低功耗等优点成为室内人员行为感知技术的新选择。因此,本文基于FMCW雷达定位原理,搭建了一个室内人员行为感知系统,主要的研究内容总结如下:1.搭建一个适用于室内人员行为感知的FMCW雷达感知系统。本文基于美国德州仪器（TI）公司的FMCW雷达模块,搭建一个新的适用于室内人员行为识别的系统。设计的室内人员行为感知系统由数据采集模块和计算机上的数据处理模块两大部分构成。数据采集模块选择IWR1443EVM,其使用板载天线,可配置成三发四收工作模式,构建了一个具有12个虚拟天线阵元的雷达采集系统。在计算机端采用MATLAB软件编程对FMCW雷达采集的三维位置信息进行数据处理,从而实现对室内人员的行为感知。2.提出一种基于FMCW雷达的室内单人行为感知方法。室内单人行为感知包括室内单人运动轨迹追踪和单人行为识别。室内单人轨迹追踪中首先采用去离群值、线性插值等方法对FMCW雷达采集的数据进行预处理。而后针对人体并非是点反射器的情况,提出以均值作为动作关键点的方法,使得动作关键点与人体动作一一对应。最后利用平滑滤波实现误差不超过0.2m的人体运动轨迹追踪。单人行为识别则以轨迹追踪的数据处理方案为基础,再根据不同行为对采集数据的影响提取行为敏感的特征向量,最后分别利用KNN分类器和贝叶斯分类器分类。实验结果表明,本文提出的单人行为识别方案对跌倒、坐下和行走的检测查全率分别可以达到100%、87%和98%。3.提出一种基于DBSCAN聚类的室内双人行为识别方法。运用基于密度的DBSCAN聚类算法将FMCW雷达采集到的坐标数据聚类成不同的聚类群,使得每一个聚类群对应于单一人体的行为,再对每一个聚类群的数据进行特征提取和分类,实现了双人场景下人体行为的识别。实验结果表明,采用DBSCAN聚类算法可以有效地对不同人体反射的雷达数据进行分类,区分出不同人体活动状态的数据集,DBSCAN聚类算法结合朴素贝叶斯分类器在两人场景中对跌倒、坐下和行走的检测准确率分别可以达到100%、93.8%和87.3%。