贫困的休息习惯已被鉴定为肌肉骨骼疾病的危险因素，尤其是老年人，残疾人，办公室工人。在目前的计算机化世界中，即使在参与休闲或工作活动时，人们也倾向于花费大部分时间坐在电脑桌前。这可能导致脊柱疼痛和相关问题。因此，一种提醒人们对休息习惯的手段，并为逆损提供建议，如体育锻炼，这是重要的。由于大多数作品侧重于常设姿势，坐姿的姿势识别并没有受到足够的关注。可穿戴传感器，压力或力传感器，视频和图像用于文献中的姿势识别。本研究的目的是通过分析从座椅和靠背的32个压力传感器的椅子上的椅子收集的数据来构建机器学习模型。模型是使用五种算法建造的：随机森林（RF），高斯NA \“IVE Bayes，Logistic回归，支持向量机和深神经网络（DNN）。使用KFOLD交叉验证技术进行评估所有模型。本文提出了实验使用两种单独的数据集，受控和现实进行，并讨论在六个坐姿分类的结果。在受控和现实数据集中分别实现了98％和97％的平均分类精度。