安全帽作为建筑施工现场重要的安全防护用品,可以有效降低施工安全事故对施工人员造成的伤害。目前施工现场对于施工人员安全帽佩戴的监管方式是配置安全员进行日常巡逻检查,这种监管方式存在操作范围广、施工人员管理困难等问题。因此,亟需对施工现场安全帽佩戴的自动化监测及管理进行研究。本文将深度学习方法引入施工现场安全管理中,结合施工现场环境特点和视频监控特点,设计了施工人员安全帽佩戴实时监测及预警系统。首先,将YOLOv4模型进行改进,构建了改进的YOLOv4安全帽佩戴实时检测模型。在保证模型具有较高检测精度的同时,提高模型的检测速度,使得改进后的YOLOv4模型能够达到实时检测的效果。然后,将改进的YOLOv4安全帽佩戴实时检测模型与Deep SORT多目标跟踪算法进行结合,构建了施工人员安全帽佩戴实时监测及预警系统。使用改进的YOLOv4检测模型实现对施工人员的实时检测与坐标输出,结合Deep SORT算法进行持续跟踪监测,当连续8秒内发现存在施工人员未佩戴安全帽时,预警系统将产生针对该施工人员危险行为的文字和5秒钟的语音警报,并将预警信息进行储存,以便后期查看。最后,本文以洛阳市某段地铁施工项目为例,分别对改进的YOLOv4实时检测模型和施工人员安全帽佩戴实时监测及预警系统进行验证分析,检验其有效性和适用性。实例验证结果表明,本文改进的YOLOv4实时检测模型的检测精度为83.96%,检测速度为24帧·s-1,达到了实时检测的要求。施工人员安全帽佩戴实时监测及预警系统在不同施工环境下的检测及预警正确率均在90%以上,实现了对于施工人员安全帽佩戴情况的自动化安全管理,为施工人员的安全帽佩戴管理提供了一种解决方案,可以进一步提高施工安全管理水平。