基于智能手持移动终端的室内位置服务因其便捷、灵活且具有可移植性而成为当前国内外定位技术研究的热点。密集环境下的室内位置服务已经成为人们日常生活中的一个需求。但如何在密集的室内环境中实现精度高、实时性快的定位是当前迄待解决的一个难题。基于接收信号指示强度(Received Signal Strength Indicator,RSSI)的室内定位方法无论是在设备部署还是在数据处理上都相对简单,这就使得它成为广大研究人员青睐的对象。但无线信号在传输过程中不可避免地会被削弱,导致定位结果出现偏差。本文针对密集室内环境下人体对无线信号的传播造成的损耗进行补偿,使接收到的无线信号值更加精确,从而提供更加精准的室内位置服务。其技术路线是采用对数正态路径损耗模型作为无线信号的处理模型,并在此基础上综合考虑人口密度和无线信号频率,提出一个新的无线信号补偿模型。该模型在定位过程中首先使用卷积神经网络对视觉图像信息进行人体检测,计算出当前室内环境中的个体数量。然后,该模型会把由人体造成的无线信号传播损耗转换成相应的损耗补偿。最后,根据接收到的无线信号强度,通过多边定位原理实现室内定位。通过在三种密集程度不同的室内环境下的仿真和测试,其结果与未考虑人体对无线信号传播造成影响的定位结果相比,新模型的实时性更好、定位精度更高。