我国人口老龄化日益严重,许多老年患者不能得到全面、有效的监护,日常安全监护是老龄化社会的重点问题之一。同时,长期卧床患者伴随着多种并发症,长期保持相同睡姿会增加患褥疮的风险。对于具有不同身体条件的患者,如果不采取正确的睡眠姿势,不仅可能对睡眠质量造成影响,还可能造成二次伤害。识别睡眠姿态后并以监测某一种姿态的持续时间,结合卧床病患的身体情况预测可能发生的疾病,然后提醒卧床患者变换卧床姿态,可以对疾病起到治疗和预防作用。此外,由于体力原因,老年卧床患者还有可能发生坠床事故,通过监测卧床姿态可以判断患者的行为状态,从而防止此类事故的发生。因此,睡姿识别是一个值得研究的重要问题。本文基于本实验室自主研发的智能床机器人提出一种睡姿识别方法和起床意图预测方法。首先对定义的9种卧床姿态进行识别,其中有6种正常姿态（仰卧、俯卧、左右侧卧、左右蜷缩卧）和3种起床姿态（左右边缘卧、半起身）。为了降低数据维度,提出一种基于K-均值聚类的人体压力特征提取方法,该方法可以找到人体压力分布区域质心作为压力特征,实验表明该方法将识别准确率提高了1.67%。为了增强卧床姿态识别方法的泛化能力,挑选身材大小不一的试验志愿者按照自己的习惯分别尝试9种姿态并采集1440个样本作为数据集,然后比较5种不同监督学习算法在相同数据集上的准确率,最高的是多隐藏层全连接神经网络模型,达到88.33%,其中,与正常姿态相比,起床姿态的识别准确率较低。通过实验结果分析发现,仅通过卧床姿态预测起床意图容易造成错误预测,所以提出一种混合起床意图预测方法。人体离床过程是压力值不断减小的过程,然而在实际情况中,由于身体机能问题导致身体用力程度、双手支撑床体力量大小频繁变化,或者翻身等动作都可能造成压力减小的同时还造成压力值大小上下浮动变化,因此,为了解决压力阈值难以选择的问题,基于对比分析时间序列相似度识别压力减小过程,最后结合睡姿识别结果构成混合起床预测系统,当识别为压力减小过程和起床姿态时,判定智能床使用者有起床意图。最后设计起床行为报警系统和智能床起床实验,验证混合起床意图预测方法识别起床意图的有效性,实验结果表明该方法可以准确识别起床行为意图。