徐晓东，王俊杰

中国海洋大学 工程学院，山东 青岛 266100

建筑业作为我国国民经济的重要支柱产业之一，目前智能化和自动化水平较低，尤其在现场施工管理工作中，仍然以人工检查为主。随着人工智能技术的快速发展，深度学习方法已经被广泛应用到交通、医疗和城市管理等领域。在建筑施工领域，深度学习方法的应用，能够支撑并推动建筑机器人、智慧建造和无人工地等最新的建筑技术和施工管理方式的发展。在现场施工管理工作中，基于工地监控设备进行施工人员检测，能够为施工安全、资源调配和进度控制等方面提供支持，具体应用有碰撞预警、异常侵入检测和危险区域警告等，拥有很高的应用价值[1-2]。

行人检测是目标检测研究领域的一个重要研究方向。目标检测是一种基于深度学习的计算机视觉方法，能够从输入图像中找到特定类别目标并给出位置信息，大致可以分为两类，即Two-stage和One-stage检测算法。Two-stage检测中，代表算法为基于区域的卷积神经网络R-CNN[3]，以及其优化版本Fast R-CNN[4]和Faster R-CNN[5]。该类算法检测过程可以分为两个阶段，一是进行候选区域选取，二是对选取区域进行分类和定位。这类检测方法检测精度较高，但模型结构复杂，计算参数较多，实时检测性能较差。One-stage算法，如SSD[6]、YOLO系列[7-9]等，可以通过一个网络结构，完成候选框的选择和分类定位，节省了计算成本，提高了检测的速度，更适合于在边缘计算设备上进行实时检测。

传统的行人检测任务大多基于自然场景下，如商场、体育场和道路等。……