建筑行业是劳动密集型行业,且由于施工现场各个主体的动态变化和危险的施工环境,安全事故频发,尤其是高处坠落事故。研究提出风险评估是安全管理中重要的环节,可根据评估结果采取适当的预防措施,以降低事故发生可能性。然而施工现场主体,如工人、设备,会发生动态的变化,因此有必要对工人高处坠落风险进行动态评估。越来越多的研究表明高处工作的工人易受自身不安全动作的影响而坠落,计算机视觉可以捕捉到不安全动作的信息,因此本研究旨在建立一个可行的基于计算机视觉的高处坠落风险的动态评估框架,通过自动识别现场的风险因素信息提升风险评估效率,降低坠落发生的可能性,即坠落风险。本研究首先进行安全和坠落风险评估的研究综述,通过对比传统和动态的相关研究,总结动态风险评估研究特征。然后为克服传统的评估方法无法直接考量风险因素的动态变化属性,且在动态变化过程中较难更新模型处理变化问题,本研究采用动态贝叶斯网络（DBN）进行高处坠落风险动态评估,其中通过文献综述、动态风险评估研究的特征,并考虑工人的不安全动作,分析确定了本研究的坠落风险因素,以风险因素为依据建立DBN,并利用DBN推理计算工人处于各个坠落风险水平的概率。在此方法基础上,建立基于计算机视觉的高处坠落风险动态评估框架,分为准备工作和工人高处坠落风险动态评估两个部分,详细阐述在实现框架的工作流程中,准备工作如何为风险动态评估提供信息和技术支撑,并探讨计算机视觉在框架中的应用。最后,通过案例研究展现框架的工作流程,首先进行案例设置,然后展示框架中的准备工作和现场高处坠落风险动态评估的实现流程,并对案例结果进行讨论和敏感性分析,验证框架的可行性和可操作性。此外,结合计算机视觉的优势,即可以识别各个坠落风险因素的安全状态,以此为依据警告工人,探讨风险预警措施。通过以上研究过程,本研究确定了针对高处坠落风险的风险因素,阐述了基于DBN的高处坠落风险动态评估方法,并通过案例验证了本研究提出的基于计算机视觉的评估框架是可行的,可以利用计算机自动识别坠落风险因素的状态,捕捉其动态变化,以动态评估工人坠落风险,通过合理预警措施预防坠落事故发生。