建筑工人作为项目生产的活动主体,其普遍的不安全行为是导致事故频发的直接原因,故而很有必要采取妥善措施来减少建筑工人的不安全行为。虽然当前对建筑工人不安全行为的产生机理、影响因素等都有过探讨,但文献分析发现宏观角度地管控还缺乏深入思考。鉴于此,本文结合人工智能领域的图像识别技术开展了建筑工人不安全行为地检测,设计界面程序和组建报警系统,以期制止建筑工人的不安全行为,提升企业的监管能力,降低或规避安全事故地发生。首先,梳理了建筑工人不安全行为的识别相关内容,界定研究的不安全行为概念、范围,阐述不安全行为分类及模式,归纳出事故案例和文献资料的二十四项供本文图像识别所用的建筑工人不安全行为,与施工管理人员交流访谈修改调整剩余十四项,综合图形元素将其划成两种四类:状态型、动作型,位置类、防护用品使用类、设备操作类、反应处理类。其次,确立算法搭设架构,对比同项不安全行为验证模型适用性,考虑到数据库图像样本量、认知意向性等,说明四类不安全行为识别共性并选取分属的四项建立模型,评价知晓图像分类和物体检测的模型性能与分类效果、检测目标、图像背景覆盖变化等情形有关,实施概括的图片校验、体验H5、在线API与离线SDK也均显示了置信度的概率数值。最后,基于图像识别模型应用进行不安全行为地拓展性探索。借助Python语言、PyQt5环境编写直观表达识别结果的检测程序,呈现有无佩戴安全带行为;策划不安全行为识别解决方案与综合处置体系,即先构建不安全行为的识别模型,再上线调用接口来检测行为是否安全,混搭高处临边作业、擅用施工升降机、未系安全带与攀坐翻越平台护栏四项行为揭示图像分流来吻合模型的匹配性解决思路,成功得到高处临边作业的无误结果;根据报警原理组建图像识别模型为枢纽的报警系统,准确率能在饱和状态前持续提升且可视化而具发展潜力。