随着社会的发展,科技不断进步,研究人员对计算机视觉、图像处理和模式识别等技术开展了大量深入的研究,并将它们广泛应用到了现代社会生活的各个方面。安全帽作为一种重要的安全工器具,可以保护施工作业人员头部安全,在各种施工作业场地被要求正确佩戴。近些年来,在各类施工作业场地中出现了大量的安全事故,其中大部分都是因为施工作业人员的一些违章违规行为引发的,而安全帽的不正确佩戴就是其中最普遍的一项。因此需要设计一种具有实时性、准确性和预见性的先进方法,对施工作业人员安全帽佩戴情况进行实时监测,去有效的遏制这种现象的出现。本文对各种施工作业场地安全帽使用情况进行了分析,对施工作业人员安全帽佩戴检测方法进行了深入的研究。本文研究存在以下难点:(1)施工作业现场环境复杂,人员众多。(2)施工作业场地数据获得比较困难。(3)安全帽款式颜色各异,且易受环境影响。为了解决这些难点,首先对比了各种运动目标检测方法的优缺点,然后选择了关键点检测这种方法进行人体目标检测,这种方法可以同时进行多人的人体关键点检测,具有较好的鲁棒性和实时性,可以很好的应对施工作业现场人员众多、实时监测的问题;接着,对比各种目标检测算法,选择了YOLO算法对人体框和安全帽位置进行检测,得到人体框和安全帽的位置,该算法把检测当做一个回归问题,从全图信息回归得到目标位置和类别,检测精度较高,检测速度较快;再通过得到的人体头部关键点确定头部区域中心点,通过人体框较短边确定头部区域框边长,得到人体头部区域;最后,通过判断人体头部区域和安全帽位置之间的关系判断是否正确佩戴安全帽。本文中,为了研究使用,通过模拟施工作业场地情形,采集制作了一个安全帽佩戴检测数据集。实验结果表明,本文提出的安全帽佩戴检测算法性能良好,基本满足了安全帽佩戴检测应用的精度需要。