目前,国内外建筑工程安全形势严峻,引发安全事故的工人不安全行为普遍存在,事前安全培训等传统方法并不能有效制止工人不安全行为的发生,使得建筑工人不安全行为实时纠正新方法成为国内外学者关注的研究领域。本文通过文献综述,发现相比于安全氛围和认知科学,行为安全直接从可观察的行为入手,对不安全行为进行及时纠正,已有很多成功应用,并可与现场设备广泛结合,成为本文研究建筑工人不安全行为纠正的研究角度。进而对目前的纠正方法进行综述,发现传统方法的缺陷,新方法有待研究开发。本文以行为安全理论(Behavior-based safety,BBS)为基础,结合建筑工人不安全行为特点,设计了不安全行为纠正模型,分三步纠正建筑工人不安全行为:场景分析---行为识别---行为干预。第一步是建筑工人不安全行为的场景分析,指分析建筑安全事故调查报告中不安全行为发生时的场景,挖掘场景要素,形成不安全行为清单的过程,涉及的主要方法为文本特征词挖掘和文本关联规则挖掘,分两阶段进行。第一阶段:在不安全行为场景分析基础上,采用文本特征词挖掘的方法,挖掘出1430起建筑安全事故调查报告中的事故发生部位、引发事故的人的不安全行为、事故类别3类场景要素特征词并构成特征词库,形成初始建筑工人不安全行为清单,共200条。第二阶段:采用关联规则挖掘方法,对特征词进行关联规则挖掘,挖掘出特征词之间的强关联规则,即各部位哪些不安全行为高发并会引发何种事故,进而剔除初始建筑工人不安全行为清单中偶发的行为,形成强关联规则建筑工人不安全行为清单,共40条。第二步是建筑工人不安全行为识别,指参照上一步形成的强关联规则建筑工人不安全行为清单,对现场工人的行为实时识别并判断是否安全的过程,涉及的方法为计算机视觉技术,分三阶段进行。第一阶段:设计建筑工人不安全行为识别方法,分为部位的识别和行为的识别,对于前者,通过划分各部位的危险区域---摄像头的布置及设定---人工框选视频中的识别区域来实现,对于后者,通过识别行为的视觉表征来实现,并形成建筑工人不安全行为语句表。第二阶段:采用目前流行的深度学习方法,在Tensor Flow框架下利用Python语言,设计出行为识别算法,并以某段包含工人靠近临边并在临边逗留的不安全行为视频为例进行识别。第三阶段:采用Gensim算法计算上一阶段输出的识别结果语句与不安全行为语句之间的相似度,进而判断行为是否安全,根据规范标准和安全条例提出每条不安全行为的安全建议,最后设计出视频及识别结果的信息存储方案。第三步是建筑工人不安全行为干预,指根据上一步的行为识别及判断结果,对不安全行为进行及时阻止的过程,涉及的主要方法为系统设计和问卷调查,分两阶段进行。第一阶段:设计出建筑工人不安全行为信息化干预系统,其核心是不安全行为信息化报警系统,进而对该系统进行功能需求分析和性能需求分析。第二阶段:受限于软硬件和专业方面的局限,本文不做系统的具体开发,而是做该系统开发前期的技术接受度调查。基于TAM2模型构建本文的技术接受度模型,并定义变量提出假设,据此设计问卷进行调研,根据调研数据采用结构方程模型进行各变量之间相关分析,删除不成立假设,得出最终模型。发现对信息化报警系统的感知有用性和使用意愿影响最显著的因素分别为技术价值和高层支持。最后,本文从行为场景分析、行为识别和行为干预三方面提出建筑工人不安全行为纠正过程实施要点。并阐述了本文的主要结论、主要创新点、研究不足及展望。本文的研究意义是显著的,可以有效减少建筑安全事故发生,为相关纠正工具的开发提供了借鉴,拓展了行为安全理论在施工安全管理中的应用,为建筑施工现场工人安全作业管理提供了的新思路。