现有的人群聚集区域识别算法主要集中于室外空间,与室外空间相比,室内三维空间结构复杂,室内人群聚集更易导致安全事故的产生.提出了一种室内人群聚集区域识别方法——室内简化重构聚集方法(in-door　simplification　reconstruction　cluster,IndoorSRC).首先,设计了一种新型的室内时空凝聚层次聚类算法(indoor　spatial-temporal　agglomerative　nesting,Indoor-STAGNES)识别室内用户停留点,简化室内用户移动轨迹;然后,构建了一种基于卡尔曼滤波的室内轨迹重构方法,实现了室内用户轨迹的对齐与重采样;最后,提出了一种室内时空密度聚类算法(indoor　spatial-temporal　ordering　points　to　identify　the　clustering　structure,In-door-STOPTICS)发现室内三维时空人群聚集区域.采用真实室内轨迹数据进行实验分析,结果表明,与传统的室外识别方法相比,在运行时间差别不大的情况下,IndoorSRC识别的误识率可降低23.7％.