土木工程施工现场是一个复杂多变且事故发生率较高的作业环境，同一个工程场地存在着多个危险区域。对该区域传统的管理方式是派专职人员进行看守和管理，这种人工管理的方式易出错且不能够及时发现人员的进入情况。对于动态危险区域，操作人员在操作机械的同时还要兼顾周围环境情况，这不仅会降低工作效率且不利于发现该区域存在的工人。为了解决这个问题和提高监管的效率，计算机视觉的融入将会是很好的选择，该方法首先需要根据相关规章制度去确定危险区域，然后在合适的位置布置摄像头，最后运用YOLOv3(You Only Look Once，是一种快速和准确的实时对象检测算法，发展到YOLOv3实现了算法上的突破，在精度和速度上也实现了质的飞越)目标识别算法实现智能监管。本文介绍了该算法的基本原理和具体的目标识别实现途径，并针对危险区域的范围不同设计了两种训练集的制作方式，最后用实验去验证该方法的可行性与准确性，结果表明，该方法对于工人的识别具有较高的正确率，故把该方法用于危险区域的工人识别将会大大降低事故发生概率，弥补了单纯人工监管的缺陷，丰富了安全管理的手段。

为更好地实现施工现场工人的安全监管，利用YOLOv5目标识别算法结合无人机倾斜摄影三维建模技术构建施工现场不安全状态智能检测模型，实现对人、机械等目标的识别与定位。通过实验对比分析确定最优目标识别算法，并构建多目标识别模型，实验结果符合理论猜想，整体识别平均精度达到了91.6%。在识别的基础上借助倾斜摄影三维模型所提供的空间位置信息进一步确定所识别目标的相对位置，从而确定工人的安全状态。这种视觉定位的准确性由三维模型所决定，所以最后通过实验验证了无人机倾斜摄影所构建的三维模型的距离误差在1.5% 左右，范围长度大于35m距离误差将小于1%，从而说明了目标识别模型所识别出物体的距离具有较高的准确性。