建筑施工领域作为经济建设的基石,为推动我国实现可持续化发展具有重要作用,而传统建筑行业的生产及监管方式已不能够跟上信息化社会的发展,需要结合各类现代信息科技手段对建筑行业技术进行升级革新,实现建筑行业的信息化转型。近年来随着信息技术的蓬勃发展,物联网、建筑信息模型（Building Information Model,BIM）技术、工业互联网等各项技术从建筑的设计施工再到建设管理,对提高项目工程品质、优化人员管理、加快建筑工期等起到了重要的作用,显著提高了工程效率。为更好地保障施工人员的生命安全,在实现安全生产的同时达到利益的最大化,本文基于BIM技术的应用与研究,结合深度学习算法研究设计了一种面向BIM应用的施工人员安全帽佩戴智能检测方法,为解决施工场地安全监管问题、建筑信息监控的可视化问题提出了切实可行的方案。本文具体工作如下:（1）在BIM建模上,使用Dynamo for Revit软件通过可视化编程的方式实现三维桥梁信息模型的快速创建,包括平曲线设计、桥梁中心线构架、创建轮廓参数簇、创建桥梁下部结构,最后将桥梁实体导入Revit软件中;（2）在安全帽检测上,基于施工场地下的场景对YOLOv4算法进行适应化改进,最终得到的权重模型对32×32尺度以下目标的识别率相较原算法提高6.02%,整体识别率提高2.91%,从而提高安全帽检测系统的准确性和在智能检测系统在工地场景下的鲁棒性;（3）在BIM模型和智能检测系统的联动上,主要分为BIM近端和BIM远端的开发研究。利用工地信息网络将BIM远端得到的监控信息传递到BIM近端的本地信息库,再通过Revit二次开发将监控信息在BIM模型上实现可视化显示,从而实现工地安全帽佩戴检测的智能化监管;同时对违规信息进行截图保存并上传到本地资源库,对不安全行为进行提前预警。通过将BIM技术和深度学习算法进行融合应用,本文设计研究的面向BIM应用的施工人员安全帽佩戴检测能够有效解决传统人力安全监管中的弊端,提高工地监管系统的智能化和信息化程度;同时,改进的YOLOv4算法提高了检测系统对低尺寸目标的识别准确率,结合BIM近端和BIM远端的联动工作,能够有效提高工地安全监管范围,排查潜在安全隐患,为施工人员生命安全提供保障。