随着社会老龄化现象的加剧,身体机能的下降与慢性疾病发病率的增大导致许多老年人平衡能力、运动能力衰退或丧失,造成其日常生活活动能力减弱、摔倒风险增高。传统电动轮椅方便了老年人出行,提高了老年人群社会参与感,但缺少智能化管理,无法监护老年人群的日常活动并提供紧急救助。轮椅使用者在日常抓取物品、进食、推进轮椅等活动中需要维持自身坐姿平衡,其坐姿活动变量能反映出功能活动水平,因此实现智能化远程监护可以对老年人群日常活动水平进行监测并提供辅助护理决策。本研究基于传统电动轮椅平台,运用物联网技术,设计坐姿压力多位点远程采集,结合机器学习算法并针对老年人日常监测问题,展开了老年人坐姿识别、坐姿偏移定量化和不同姿态下体压分布特征研究。具体包括如下:首先,针对智能监护系统功能需求,集成传感器、物联网等软硬件技术,设计并实现了一套基于人体坐姿体压分布的监护系统,包括感知端与PC端两部分。感知端集成了多位点压力传感器阵列、信号采集转换电路、主控制器等电路,通过网络协议将实时数据上传至PC端;PC端基于Qt平台进行界面设计开发,实现数据的本地存储、计算处理、结果可视化显示等功能。其次,基于上述系统,进行了姿态识别算法设计。针对自然坐姿与三种过分偏移坐姿,本文根据人体体压分布特征分别采用了3种传统机器学习算法对姿态进行识别分类,其中随机森林算法表现突出,对老年人多种坐姿识别效果较好。最后,由于老年人群肢体机能衰退、姿势控制能力减弱等生理特点,针对该人群进行了坐姿偏移定量化及不同姿态下体压分布特征研究。本文招募了三组不同年龄阶段的被试进行多向伸展测试,并监测被试在过程中的坐姿压力、姿态角度变化与伸展能力。老年人具有坐姿压力分布不均、运动范围小、伸展能力弱等特点,为了将更大的运动姿态角度纳入研究范围,尝试结合随机森林算法和BP神经网络（RF-BPNN）构建姿态角度估计模型。结果表明,RF-BPNN能够对老年人多向姿态角度进行回归估计,估计误差在4°左右,实现了基于坐姿压力对姿态角度的定量,且姿态角度能对伸展能力有进一步评价。综上,本研究在传统电动轮椅平台上实现了远程多位点坐姿压力采集,针对老年人群进行了坐姿问题研究,为后续实时监测老年人身体姿态、实现智能养护提供了算法依据。