安全生产是化工厂企业能够长久运营的关键性因素,员工安全意识不足和侥幸心理会给企业带来安全事故隐患,落实相关规章制度需要依靠有效的监管措施。然而单纯依赖人力监督的传统防控手段受厂区占地范围广、人员作业分散的客观因素影响存在局限性。智能方法的引入,能够使监管措施变得更加便捷且高效。本文面向化工厂企业在劳动保护用具佩戴规范与员工危险行为监督两大方向上的管控需求,将安全帽佩戴状况检测与打电话行为捕捉作为目标任务,研究可应用于化工厂智能安全管理的视觉检测算法,并在此基础上设计完成了一个化工厂智能安全管控系统。本文主要内容如下:1.研究基于分布不均衡样本的目标检测性能优化算法。从特征融合层面提出了一种基于卷积增强的特征融合方法Conv＿refined FPN,在不带来额外计算负担的同时均衡地提高了模型的各项检测精度。在目标检测算法的采样阶段应用“在线难例挖掘”算法代替随机采样方法,提高模型训练的针对性。基于重加权方法优化交叉熵损失函数,提出了一种在线权重系数调整法,帮助分类损失函数在训练过程中找到更均衡的权重系数,在不抑制头部类训练的同时有效弥补小样本类在训练中的“欠学习”问题。基于以上研究成果最终得到了一种可应用于长尾分布样本的安全帽检测模型。2.将行为识别问题转化为基于静态帧的人物目标精细化分类问题,利用双分支概率融合架构实现复杂场景下的打电话行为检测。本文首先提出了一种基于通道域全局平均池化的非局部注意力机制（Channel-based Average Pooling Non Local,CAP Non Local）,将其嵌入至人物目标精细化识别分支网络中,可在实现计算稀疏化的同时提高人物目标的分类准确性;其次,基于关键点检测算法与打电话行为姿态空间规律建模,构建了一种姿态概率约束分支,减少了人物目标精细化识别分支的误检事件,提高了整个算法对打电话行为的识别性能。3.基于安全帽检测模型和打电话行为检测模型设计并实现了四种异常事件捕捉功能模块,分别为未佩戴安全帽、未授权人员越界入侵、违禁区域行人入侵、打电话违规行为检测等,搭建了化工厂智能安全管控系统,可提供异常事件实时报警、记录、查询等功能。4.利用化工厂监控设备,搜集并构建了实际场景下的安全帽与打电话行为图像数据集。实验与系统应用结果表明本文算法在上述检测任务中有效,具备实际应用价值。