En los últimos años, la localización en interiores ha atraído a investigadores y desarrolladores comerciales. De hecho, la disponibilidad de sistemas, técnicas y algoritmos para la localización permite mejorar las aplicaciones y servicios de comunicación existentes al agregar información de posición. Algunos ejemplos se pueden encontrar en la gestión de personas y/o robots para la logística interna en almacenes muy grandes (por ejemplo, almacenes de Amazon, etc.). En este documento, estudiamos y desarrollamos un sistema que permite la precisa localización en interiores de personas que visitan un museo u otra institución cultural. Suponemos que los visitantes están equipados con un dispositivo Bluetooth de baja energía (BLE) (comúnmente encontrado en teléfonos inteligentes modernos o en un pequeño chipset), transmitiendo periódicamente paquetes, que son recibidos por receptores BLE geolocalizados dentro del área del museo. Los paquetes recopilados se proporcionan al servidor de localización para estimar las posiciones de los visitantes dentro del museo. La estimación de la posición se basa en una red neuronal feed-forward entrenada por una campaña de medición en el entorno considerado y en un algoritmo de mínimos cuadrados no lineales. También proporcionamos una estrategia para desplegar los receptores BLE en un área determinada. Los resultados de rendimiento obtenidos de las mediciones muestran una precisión de estimación de posición alcanzable por debajo de 1 m.