工人疲劳是建筑施工现场事故频发的重要原因之一。现阶段对工人安全施工的研究中直接针对工人身体状态的研究较少,难以对现场工人的疲劳问题进行有效管理和提供有效预防措施。本文针对此问题提出一种基于智能移动终端的工人疲劳信息采集和量化方法,基于此方法分析了工人疲劳和安全绩效之间的关系,并提出一种远程的安全距离识别方法。主体内容分成以下三个部分:(1)提出了一种结合智能手机和劳动强度理论评估施工人员工作状态的方法。首先,基于智能手机平台制作了一款可以调用内置传感器的应用程序,以有效地采集、管理施工人员的活动数据。其次,使用数据预处理和改进的机器学习算法对25组试验数据进行模型建立工作,并测试了该模型的准确性。结果表明,该方法不但可以准确地对建筑工人的特征动作进行识别,而且可以对所消耗的劳动强度进行计算。(2)提出施工人员疲劳后跌倒事故的预防方法。首先,设计了一个典型的手动操作任务来模拟实际搬运工作,并让工人佩带智能手机、脑电图(EEG)传感器和心率监测设备进行生理指标数据采集。其次,通过后期的EEG数据、心率数据和调查问卷分析得到试验过程中工人的疲劳阈值和疲劳时刻。最后,建立了基于加速度的能量消耗模型和动态跌落险兆(near-miss)监测模型,并分析试验过程中随时间变化的能量消耗和显/隐性失误的相关性。(3)为了解决工人在疲劳状态下的安全问题,收集了安装在塔式起重机工作臂上摄像机录制的视频数据。首先,对采集的图片数据进行标记,并使用Mask R-CNN方法对危险源和工人进行图像识别。然后,编制了针对识别目标Mask层的RGB颜色提取程序以获得工人和危险源的像素坐标。最后,通过像素和实际距离转换方法计算得到工人与危险源之间的实际距离,为施工人员安全管理提供辅助决策信息。为预防建筑工人疲劳导致的安全事故,本研究建立了 plate众包管理平台,提出了以智能移动终端为采集设备的数据提取办法,搭建了基于优化SVM算法的工人劳动强度监测模型。并以试验的方法揭示了工人疲劳机理以及疲劳对建筑工人安全绩效的影响规律。编制基于Mask R-CNN的施工现场辅助管理程序,为施工现场工人的安全管理提供新方法。