电力施工是电网公司发展及进步的必要手段,因此电力施工的安全监控问题也成为了电网公司的重要研究课题。传统的施工场景安全监控采用人工方式进行监控,不仅浪费大量的人力物力资源,同时也无法保证实时监控。本文设计了基于图像分析的电力施工安防监控系统,主要研究对电力施工现场的目标检测问题,主要解决的问题是电力施工场景下,工人是否正确佩戴安全护具,采用基于图像方式的智能监控,可以实现对工人施工过程的全程监控,保证工人们的施工安全。本课题主要研究电力施工安防监控系统中的目标检测技术。首先,利用现场的监控系统采集的图像进行数据集的制作,制作过程中选取有效数据进行样本标注,得到一个适用于电力施工场景训练并检测的数据集;其次,针对电力施工现场工况复杂,且小目标较多的情况,设计了一款基于Darknet-53基础网络的多分支网络架构,在非极大值抑制环节融合了GIo U,并介绍了网络结构及检测原理;最后,对设计的网络进行实验,利用自制的基于电力施工场景的数据集进行训练,得到一个稳定可靠的目标检测模型,实现对电力施工场景下的目标检测的实验。本文将设计的多分支网络结构得到的检测模型与YOLOv3算法进行对比,实验结果表明,该模型可以有效的对电力施工场景下的目标进行定位和识别,平均准确率达到95%以上,在两块RTX2080Ti上的检测速度可以达到106.5ms每帧,可以应用于电力施工现场,实现对施工现场的智能监控。