安全帽在环境复杂的施工场所是工人最基本的安全防护装置。然而国内工人素质参差不齐,许多工人未按要求佩戴安全帽,所以在施工现场自动检测工人是否佩戴安全帽对安全生产具有重要意义。近年来,已有不少针对于安全帽佩戴检测的研究,但是大多数研究方向旨在提高直立条件下安全帽的识别率,对于施工人员复杂姿态下的安全帽佩戴检测的研究相对较少。本文结合当前研究热点与具体实际应用背景,引入人体姿态估计算法进行安全帽佩戴检测研究,可以监测施工中的施工人员的安全帽佩戴情况。自动检测施工人员在作业情况下是否佩戴安全帽减轻了安全员的工作量,也提高了企业和安监部门的监管力度,更好的实现安全生产智能化。主要研究工作如下:（1）建立面向施工作业场景下的工人作业的图像数据集。数据集以PASCAL VOC数据集格式为标准,包含网络采集,现场拍摄的图像,并使用图像标注软件Label Img制作。（2）基于姿态估计的安全帽佩戴检测方法。在复杂姿态的情况下（如弯腰,蹲下,后仰等）,提出一种在安全帽检测之前加入对施工人员进行姿态估计的方法,通过改进的Open Pose模型获取施工人员的骨骼点信息,使用三点定位方法确定头部区域缩小检测区域,解决施工人员复杂姿态下安全帽与人体相对位置难确定的问题,并使用一阶目标检测网络Retina Net实现安全帽的佩戴识别,从而提高施工人员复杂姿态下的安全帽佩戴检测的精度。（3）基于YOLO V4的安全帽佩戴检测方法。提出一种基于头部识别的安全帽佩戴检测方法,通过面部特征识别与头部识别交叉验证,精确定位施工人员头部区域,解决施工人员复杂姿态下头部位置难确定的问题。使用YOLO v4目标检测网络进行安全帽佩戴检测,并解决了安全帽与人体的相对位置关系,从而对安全帽佩戴情况进行判定,以解决了施工人员复杂姿态下安全帽佩戴检测精度低的问题。