Este estudio presenta un método novedoso para detectar cambios de postura al dormir, específicamente dar vueltas y moverse, monitoreando variaciones en la humedad mediante una serie de sensores de humedad incrustados a intervalos regulares dentro de una almohada de espuma viscoelástica. A diferencia de enfoques anteriores que se basan principalmente en sensores de temperatura o presión, nuestro método aprovecha la observación de que las fluctuaciones de humedad son más pronunciadas durante el movimiento, lo que permite una detección más sensible de los cambios de postura. Demostramos que los patrones dinámicos en los datos de humedad se correlacionan fuertemente con el movimiento físico durante el sueño. Para identificar estas transiciones, aplicamos el algoritmo Pruned Exact Linear Time (PELT), que segmentó efectivamente la serie temporal en función de cambios abruptos en la humedad. Además, convertimos las curvas de fluctuación de humedad en representaciones de imágenes y empleamos un modelo basado en transfer learning para clasificar posturas al dormir, logrando un rendimiento de reconocimiento preciso. Nuestros hallazgos resaltan el potencial de la detección de humedad como una modalidad confiable para el monitoreo del sueño no invasivo.