在铁塔施工场所,施工人员的安全问题是相关部门关注的焦点。搭建铁塔时,会存在各种安全隐患,比如高处的吊件,转动的绞磨机等。指挥人员在施工现场巡视时,由于环境的遮挡,人员的流动等问题,可能会忽略某些监视区域。因而引入监控视频,全方位无死角的对施工人员进行智能监控,是更为科学和省力的方法。人脸打卡系统是智能监控系统的一个子系统,能极大的方便施工人员的管理。而在人脸检测与识别的过程中,光照和场景的复杂性是研究的难点。对施工人员进行智能视频监控时,人体目标区域的提取是施工人员行为分析的前提。在人体区域被准确提取后,才能有效的进行相关的检测。因此复杂场景下的人体目标检测是该系统的核心技术之一。与此同时,为了使现场监督人员第一时间获得报警信息,并及时处理潜在的或正在发生的危险违规操作,开发手持端的报警接收软件也是必不可少的。Android设备的多样性与施工现场通信的不便捷性,是开发报警应用软件的难点。针对以上提到的难点与问题,本文主要工作内容如下:视频帧间特性的肤色分割融合Haar-like特征的AdaBoost人脸检测算法传统Ada Boost人脸检测在多光照条件下,常常出现较高的漏检率与误检率,提出采用肤色分割将复杂背景简化,并通过帧间特性来剔除不合格的视频帧,加快视频检测速度,并结合模版匹配进行二次验证,从而准确获取清晰正面的人脸。LBP加权直方图结合最近邻分类人脸识别基于传统的LBP算子提出了自适应加权的LBP直方图,根据人脸三庭五眼的划分以及实际项目中的安全帽遮挡,将人脸划分为2*5块,粗定位眼睛、鼻子嘴巴等重要特征,计算找到各区域的加权系数,并得到加权特征直方图,最后采用最近邻算法进行人脸分类。人脸打卡系统的设计与实现根据本文所提出的人脸检测与人脸识别算法,设计人脸打卡系统,实现人脸识别、连接手机终端设备、传输考勤结果等核心功能。基于运动差分和LBP特征融合的HOG+SVM人体目标分类基于人体目标检测HOG+SVM经典算法,针对人体目标遮挡问题,在人体目标识别过程,提出使用特征融合,采用LBP特征检测遮挡人体。采用运动差分能提高速度与检测率。C/S架构下的Android平台智能报警软件开发基于项目的实际应用出发,本文设计了在无线局域网内,C/S架构下的Android报警软件,保证手机与监控信息平台通信稳定,且达到实时报警的目的。本文基于施工现场智能监控系统相关技术的研究,对现场的实时视频进行实验,实验结果较其他方法有所改善,并在项目的现场实验中,基本满足要求。