郭师虹，井锦瑞，张潇丹，秦晓晖

(西安建筑科技大学 土木工程学院，陕西 西安 710055)

0 引言

建筑施工中，往往存在不同类型的施工和作业风险，时刻威胁着施工人员的人身安全。例如，高处坠落、物体打击、坍塌、起重伤害、其他伤害等。其中，2014—2018年间，高处坠落事故占建筑施工事故总数的51.52%；物体打击事故占建筑施工事故总数的13.89%[1]。因此，建筑施工人员必须正确使用个人防护用品，尤其是佩戴安全帽。安全帽可以保护头部免受高处坠物对头部的冲击力，减轻头部在重压下受到的损伤，从而保护工作人员在危机时刻的生命安全[2]。目前对安全帽佩戴的检测仍然主要依靠施工现场管理人员的检查，繁琐且耗时。针对这一情况，迫切需要更加经济有效的方式使该过程自动化，进一步减轻施工受伤和死亡的风险，进而提供一个更安全的工作环境。

在建筑领域，利用机器学习和多信息融合技术可以实现施工过程的自动化[3]。其中，机器视觉技术被证明可以快速、方便地从建筑工地采集相关数据，如检测、定位和跟踪施工人员和设备，但相关研究仍处于起步阶段。在现有的施工安全检测系统中，仍存在较多不足，可分为2类，一类是识别速度慢且错误率偏高；另一类则是没有考虑到不同外界因素对系统造成的影响，例如方向、颜色、背景对比度、图像分辨率和现场照明强度等因素[4]。

为了解决上述问题，本文提出1种轻量化的安全帽佩戴检测系统，该系统可以在移动设备端进行部署，如笔记本电脑，可大大降低系统实现条件，有利于现场的实时监控，既可节省人工成本，又可提高现场安全性。……