基于内容的图像检索技术是通过提取图像的底层特征来达到表达图像整体内容的目的,从而识别并检索相应的图像,随着计算机技术、模式识别等多门学科的发展,图像检索技术取得了卓越的成果,应用到各种不同的重要领域,比如医疗诊断、公安系统等等,发展前景非常广阔。安全帽在工业生产中的应用非常地广泛,为了防止事故的发生,确保生产的安全,建立对安全帽的自动检测及报警系统变得越来越迫切,目前对安全帽自动识别的研究还比较少。本文主要针对安全帽的识别算法进行研究,主要分为三部分,即图像的预处理、特征提取的研究、识别模型的选择。本文工作主要研究如下：(1)图像的预处理部分,本文提出基于YCbCr的小波同态滤波光照补偿,结合YCbCr色彩空间的特点,能够将亮度和Cb、Cr两个分量分开,针对亮度进行小波的同态滤波算法,并将此方法与其他几种方法相比较；在此基础上提出基于YCbCr空间的人脸检测算法,最终确定安全帽的图像区域,并且仿真给出实验结果。(2)特征选择部分,本文结合安全帽的特征,就其形状特征提出Hu不变矩和梯度方向直方图两个特征,并且仿真统计出特征向量,将这两个特征融合一起作为图像的特征’向量,用于安全帽的训练和识别。(3)识别模型的选择,本文深入研究最近比较流行的两种识别模型神经网络和支持向量机,针对支持向量机参数的选择采用改进的网格搜索的方法优化,最后就这两种模型的识别率进行比较,最终确定选择使用支持向量机。本文确定将Hu矩特征和HOG特征相融合的特征向量作为图像的特征向量,用于支持向量机的训练和识别,用于识别工人在进出门口时是否戴有安全帽,最终实验结果表明此方法的有效性,识别率高,对监控系统实现智能化将会提供有力的支持和实际的指导意义。