近年来,随着人工智能领域内相关技术的飞速发展,与建筑行业相关的智慧工地方案正在逐步成熟。与此相关的新技术如设备监控、事件检测、货物自动配送、智能装修等也随之蓬勃发展,其中事件检测技术主要凭借对环境内移动目标状态的检测结果的分析来实现相应的功能;而对于与智慧工地密切相关的开阔场景和施工区域内的移动目标状态检测而言,应用现有方法时存在目标状态检测结果的语义信息单一、滞后和目标易丢失、误报率高等问题。为此,本文针对现有方法在移动目标状态检测环节存在的缺陷进行了一系列研究,主要准备工作和创新性成果如下:（1）对本文所提方法中涉及到的目标检测和目标跟踪算法进行原理介绍和实验测试。目标检测环节中,YOLOv3算法测试结果的m AP值高于0.8,对两种场景下频繁出现的目标的检测精度较高;在目标跟踪环节以行人为例进行了实验测试,验证了Deep SORT算法在移动目标状态检测环节对目标的跟踪精度和跟踪鲁棒性。（2）提出了一种适用于开阔场景下的移动目标状态检测方法。采用基于目标跟踪与轨迹预测的方法来实现对开阔场景下移动目标状态的检测和相似运动状态的群体目标归纳;以行人为例分析了目标间进行交互的特点,对其行进轨迹进行了数学建模,通过对轨迹直线方程和目标运动的时空特性的分析设计了一种目标静止状态、并行状态和冲突状态检测系统;以人群为例提出了一种相似运动状态的群体目标归纳算法。实验结果表明,本文方法对并行状态检测的成功率高于90.9%,对冲突状态检测的成功率高于91.4%;与现有方法相比能够提前12-32帧对移动目标可能出现的各种状态进行检测,且能够滤除包含非并行状态目标的人群,进而实现对相似运动状态人群的归纳。（3）提出了一种适用于施工区域内的移动目标状态检测方法。在未知类型目标的提取环节中,设计了一种融合MOG2与YOLOv3的前景目标提取方法,相比于传统方法而言,无需设置大量几何阈值即可实现对环境内已知类型目标的去除;在未知类型目标处于静止状态的过程中提出一种防止前景目标融入背景的方法,并在其重新移动时设计了一种目标移除状态检测的算法,降低了该过程中的误报率。