随着时代的发展,5G技术、物联网、云计算、大数据、人工智能等一些新兴技术正在蓬勃发展,以更优的方式取代以往一些较为低效的技术手段。视频监控技术也是如此,随着技术的更新换代,视频监控也在朝着智能化的方向发展,以更智能,更自动化的方式,取代以往效率不高的人工检查方式,解放生产力。在比较复杂的工作区内,佩戴安全帽是保障工人安全生产的必要条件,本文就是基于当前人工智能技术对视频监控工人是否佩戴安全帽提出了一种智能化的解决方案,自动地实时监控工人佩戴情况,并在未佩戴时发出告警,提高生产安全及效率。近期也有类似的研究,但是大多基于传统的检测方法,对于实际应用场景可能没有达到理想的效果,一般存在着时间复杂度高、环境要求高、鲁棒性低、实时性低等问题。本文则提出了一种基于深度卷积神经网络学习的方法,对工作区内的摄像头视频进行实时监控,并在发现没有佩戴安全帽的行为时及时报警,以供后台人员及时进行处理,防止不安全生产现象的发生,具有实时性,正确性,强鲁棒性等诸多优点,完全符合实际的生产需求。本文提出的检测系统主要分为两个模块,一个是检测模块,一个是跟踪模块。检测模块需要兼具快速性与准确性,在此基础上分析了近期出现的检测模型,发现YOLOv3算法非常符合系统要求,决定在YOLOv3算法上进行改进,使其更加符合工地安全帽的检测需求。为了防止重复报警的发生,则设计了跟踪模块。DeepSORT算法是在SORT算法上的改进,在保证速度的前提下,对于有物体遮挡的情况进行了改进,符合在工地复杂场景下的跟踪应用。于是在本文设计的算法中,通过跟踪模块与检测模块结合,设计了一种联合的深度卷积神经网络算法模型。经过图片、视频、摄像头等多种测试,本文设计的系统在实时性、准确性、鲁棒性等方面完全符合工业实际要求,智能检测工人是否佩戴安全帽的效果很好。