生产和作业场地中人员事故的频发,往往是由于工作人员安全意识比较薄弱,没有正确佩戴安全帽所造成的,为了增强施工人员对佩戴安全帽的安全意识和减少人员伤亡的发生率,有必要对施工人员进行实时监督与检测。利用摄像头进行实时监控的现代化技术手段,可以有效降低因未正确佩戴安全帽而带来的危险。因此,本文基于目前国内外对安全帽检测算法的研究情况的基础之上,利用深度学习的方法训练出安全帽检测模型,并设计与实现了该检测系统。本论文主要在3个方面做了深度研究:1)目前安全帽检测的研究比较少,并没有开源的数据库可以使用,首先自行采集了数据,并对采集的数据集进行图像的预处理操作,处理的方法分别为均值滤波和中值滤波;其次,预处理之后的数据集进行图像增强,有效解决了因数据集少而带来的模型过拟合的问题;最后采用Label Img软件分别对施工人员的头部、身体和安全帽进行标注,为建立安全帽的检测模型奠定基础。2)对预处理后的图像使用Darknet-53神经网络提取安全帽特征,基于YOLOv3目标检测算法对提取到的安全帽特征进行位置和类别的预测。结合GIOU曲线与损失函数对模型中的参数进行优化调整,确立了安全帽的检测模型,该模型显著提高了安全帽的识别率。3)通过该模型与摄像头等硬件的结合,设计并实现了一个能够在人员进入施工场地后进行实时对人员检测是否佩戴安全帽的系统,系统可实现登录、注册、采集、图片检测模、实时监控这五大模块,能够达到实时检测和监测的目的。