建筑施工风险检查与识别是施工安全管理的关键环节。借助人工经验的安全巡视不仅存在观测者主观经验上的差异而且缺乏实时覆盖的监测,所以,在施工现场风险排查任务中人工风险识别方法的效率较低。目前计算机视觉技术在安全管理领域的应用引起了越来越多的关注。但是,单独的对象检测的智能监视方法很难理解复杂的建筑施工场景信息。为了从复杂的建筑施工场景中识别出风险事件,本文使用计算机视觉技术和本体技术理解建筑施工场景的图像语义,从而自动化地识别建筑施工风险场景。基于计算机视觉技术和本体技术识别建筑施工风险场景包含以下步骤。首先,包含施工场景的序列图像从施工现场监控视频中被导出,与此同时,单个的卷积神经网络模型(Single Shot Multibox Detector)从图像中提取低层图像语义信息,提取的图像信息包括图像中的物体和物体的检测框坐标。其次,在构造特定施工场景的范围内建立本体语义网络,并使用本体的逻辑语言将提取的图像低层语义信息转换为事件描述的高层语义。接下来,将施工风险规则转换为本体SWRL(Semantic Web Rule Language)规则库,并通过Pellet推理引擎验证本体描述的图像高层语义是否是高风险事件,从而识别监控视频中的施工场景是否为高风险施工场景。最后以基坑开挖的施工场景为例,建立了风险场景自动化识别框架,试验结果验证了该方法的有效性和实用性。本研究结合计算机视觉技术和自然语言处理技术进行施工现场风险自动化检查,这种基于图像语义的风险识别方法为预防特定施工事故的发生,提供了一种新的视角,并在一定程度上可用于提高施工安全管理效率。