建筑工程施工环境复杂和危险因素众多是导致事故发生与人员伤亡的重要原因。当前建筑施工现场的安全监管手段还处于相对落后状态,对于物的不安全状态和人的不安全行为排查及检测主要依托于人来实现,这不仅耗费大量时间和人力成本,而且不能对整个施工现场所有工人实现全程监管。同时,对现场工人的安全状况评估也是基于安全管理人员经验主观分析的,无法客观定量化分析工人和施工设备间的动态风险。此外,现场安全行为数据收集的传统方法(例如,现场观察,施工日志和专项检查等)既不高效也不全面。当工人在拥挤嘈杂的环境中专注于工作时,工人本身对周围危险的感知能力会有所下降。在面临危险后,工人很难及时采取正确的措施保护自己。而智能评估和监测技术的出现,给施工现场安全管理提供了新的视角。针对上述安全问题,本文设计并提出了一种基于计算机视觉(Computer Vision,CV)和模糊推理(Fuzzy Inference,FI)的工人碰撞安全评估方法。具体研究内容和结论如下所示:(1)基于施工现场环境特征要素对建筑工人与运动机械设备的碰撞危险因素进行分析,分别从人员、环境和机械等视角出发,利用轨迹交叉论等事故致因基础理论作为支撑,确定了临近距离和拥挤程度作为建筑工人碰撞安全定量评估指标。(2)使用图像识别技术来提取现场环境中实体信息。在验证视觉检测工人与设备实验环节,分别从准确率和召回率以及测试时间三个方面对Faster R-CNN的识别效果进行评价。实验结果表明,Faster R-CNN识别工人和设备的平均精确率达94.09%和95.53%、平均召回率分别达91.49%和92.67%;平均错报率为8.51%和7.33%,平均测试时间为5pft。验证了Faster R-CNN用于现场检测的应用潜力和实时监控预警能力。(3)在安全评估环节中,采用模糊推理系统用于评估工人的安全水平。安全水平表示工人在特定时刻所遭遇的综合危险,并将安全信息数值化展示,解决了传统评估主观性过大和不能全程监控的限制。同时,通过设置安全等级阈值,当工人的安全等级数值低于该阈值时,站点的安全管理人员可以采取相应措施避免碰撞事故的发生,有效降低碰撞事故发生的概率并提高施工现场作业环境的安全性。(4)搭建基于移动摄像头的数据捕捉、监测、评估预警框架,推广依靠摄像头作为施工安全管理辅助决策工具,在建筑施工环境安全管理中的应用。探究以智能设备为“感官系统”实现源头数据采集,智能算法作为辅助“决策系统”的智能化施工安全管理模式。提高作业现场高效协同的安全管理能力。