基础建筑设施成为我国经济的重要支柱,高空作业人员众多。由于高空作业场景复杂多变,存在许多潜在危险。造成高空作业人员伤亡的主要原因包括人员未按规定佩戴安全带和佩戴不规范等,从而造成重大伤亡事故。作为预防措施,安全带防护用品的使用在保护高空作业人员避免意外伤害方面起着非常重要的作用。但是,由于各种原因,安全带的使用在很多情况下并没有得到严格落实。为提前预警未做好个人防护的高空作业人员,已有研究运用图像处理方法检测高空作业人员是否佩戴安全带。本文针对已有研究存在的准确性、实时性等方面的局限性,提出基于深度学习的高空作业人员安全带佩戴防护视觉检测方法。本文提出了一种面向高空作业安全带防护的视觉检测方法。首先,构建一个高空作业安全带防护数据集,然后建立一个基于卷积神经网络的安全带检测与识别模型,直接从图像中检测出高空作业人员是否佩戴安全带。本文主要包括以下两个工作。1.为了能够有效检测远景图像中的小尺度人员是否佩戴安全带,采用多尺度卷积网络进行特征提取,将安全带佩戴检测视为两类目标检测问题,对其特征提取网络利用空洞卷积和深度可分离卷积予以改进,提升整体感受野及增强收敛性,使其达到准确性和实时性上的平衡。提出渐进注意力区域网络机制,关注全局信息和局部信息,进一步提升小目标的检测精度。2.整个检测过程是端到端的,所提出深度网络不需要人工特征设计和选择,改进已有深度学习网络的特征提取与融合方式,提高网络的特征表达能力。提出一种损失函数,以有效减小真实值与预测值之间差值和增强网络收敛性,以及提升整体网络性能,并验证了其有效性。实验结果表明,提出的高空作业安全带佩戴检测模型在各种高空作业条件下性能表现良好,当输入图像大小为608×608像素时,可以达到80.22%的平均精度。