根据第七次人口普查数据显示,我国65岁及以上人口占总人口13.50%,人口老龄化程度进一步加剧。截至2022年,我国失能老龄人口达到5271万,预计到2030年,失能老人规模将超过7700万,失能老人的照护已成为政府和社会普遍关注的热点问题。双臂护理机器人具备辅助失能老人在床、轮椅、沙发、厕所马桶等生活器具间进行移乘的潜力,但如何使机器人在抱起被护理人时准确识别其姿态,是实现安全舒适移乘所必须解决的问题。移乘过程中被护理人的姿态识别,是机器人进行运动控制的依据,也是保证安全舒适移乘的关键。基于视觉信息的人体姿态识别方法由于受相机视野的限制,无法在抱起过程中有效识别被护理人的姿态。因此,本文研究基于触觉信息的被护理人姿态识别方法。机器人的双臂上安装有柔性触觉传感器,可感知与人的接触状态,将触觉传感器检测到的压力分布信息作为图像,利用卷积神经网络识别护理对象的抱起姿态。主要工作如下:（1）分析了双臂移乘护理机器人的功能、双臂抱人运动过程及姿态特征,在此基础上,建立了人机运动学模型和人机力学模型,通过分析姿态与人机之间作用力的关系,为基于触觉信息识别被护理人的姿态提供了可解释的物理依据。（2）设计了一种基于触觉感知的被护理人抱起姿态识别方法,借鉴Open Pose网络结构,搭建了网络模型,由触觉传感器的压力数据和抱人位置热图组成多模态数据,将多模态数据输入到网络模型以提取特征信息。网络模型可输出被护理人5个关节点的热图,根据热图中的信息得到被护理人姿态。（3）针对目前缺乏用于识别人体抱起姿态的公开数据集问题,采集与构建抱起姿态数据集。首先,为了模拟双臂护理机器人抱人过程,搭建了模拟双臂移乘护理机器人抱人的实验平台,并通过上位机Lab VIEW软件编写了控制程序。然后基于触觉传感器和Opti Track运动捕捉系统,采集双臂抱人接触压力图像和被护理人姿态数据。共采集了51人的接触压力和抱起姿态数据,并对数据进行预处理,构建了含有30万样本的数据集,为验证姿态识别方法提供了可靠的数据支撑。（4）为了验证基于触觉感知的被护理人抱起姿态识别方法的有效性,利用caffe深度学习框架进行了网络训练与实验比较,实验结果显示,所搭建的网络结构能够有效识别被护理人在抱起过程中的5个关节点位置,平均识别准确率达到了90%,验证了姿态识别方法的有效性。本文所提出的基于触觉信息的姿态识别方法,可有效识别抱起过程中被护理人的姿态,对提高机器人的安全性与舒适性具有重要价值。