近年来,中国正处于大规模交通基础设施建设期,全国各地同时开工建设,而在交通工程施工现场安全监督上突现人员不足、监管不力,以及发现问题不及时、事故取证困难等靠人工难以全部解决的问题,致使施工现场存在较多的安全隐患,事故频发,造成严重的生命与经济损失,伴随巨大的社会不利影响。随着社会经济与技术的发展,无人机技术日益成熟,其安全性、灵活性、高性价比等优点为各行业的巡查监督工作提供了极大的便利,并逐渐应用到交通工程施工现场的安全监督工作中,为施工现场提供了现代化、自动化、高效率的安全监督手段。本文充分利用无人机灵活机动的特点,结合交通工程施工作业面的多样性特点采集全方位高清航拍图像数据进行处理,实现工程建设期各阶段施工现场的三维和二维可视化研究,有效监督施工现场的实际状况;并基于深度学习技术实现施工作业面内监督目标的自动识别分类,节省大量的人力、物力,极大的提高了航拍图像的处理效率,而且航拍数据可以留存,为后续查验提供有力依据。主要研究内容包括:首先,针对交通工程施工现场多样性的特点,通过无人机采集施工现场全方位影像图像;规划无人机航线,针对立体建筑物采用倾斜相机云台采集目标顶面和侧面的全方位影像;针对道路施工作业面采集正射影像信息;基于倾斜影像实现施工现场的三维重构,立体监督施工现场实际状况。然后,基于正射影像的位姿信息进行图像配准,计算出图像单应性变换矩阵;基于高分辨率航拍图像小目标区域提取特征点来修正单应性矩阵;通过最佳缝合线实现相邻图像之间的缝合,最终将图像拼接成一幅大视场的无缝高分辨率图像;最终实现施工作业面的二维可视化监督,有效监督施工进度,加强现场管理工作,留存现场数据,做后续查验。最后,基于高分辨率全景拼接图像,研究SSD卷积神经网络算法,自动识别航拍图像中危险源,判断施工现场施工人员是否存在危险操作,以及高速公路防眩板安装间距是否满足要求,最终达到智能监督效果,大幅度加快施工现场安全监督效率与准确率。