在生产和作业场地中出现的事故很多都与工作人员违章违规行为有关。在大多数生产作业场地中,不正确佩戴安全帽是最常见的违规行为。因此采用具备实时性、准确性和预见性现代化的技术手段,遏制生产作业现场的不正确佩戴安全帽现象的发生至关重要。通过结合视频人体识别技术,在其基础上进一步分析安全帽的佩戴情况,可以实现这一目标。本文的目标即研究相关算法并实现系统,解决生产领域人员安全帽佩戴情况的自动监测问题。论文研究了基于人体识别的安全帽视频检测系统所用到的理论和算法,包括基于背景减除法的运动目标检测、以及背景减除法的特点与适用场景;研究了如何定位头部区域的方法以及安全帽颜色特征的计算;针对照度低,并且低对比度情况,研究了低照度视频图像增强的问题,简述了色彩保持的图像增强算法,包括色彩保持的图像增强算法的原理以及该算法的具体步骤,该算法能在增强图像的同时在一定程度上保持色调和饱和度信息,为安全帽颜色特征计算打下基础;本文还研究和实现了对人体的头部区域定位的方法,以及采用HOG积分图减少计算复杂度的方法,研究了SVM进行BATCH处理的数学原理并进行了实现。基于相关算法,本文对基于人体识别的安全帽视频检测系统进行了设计和实现,同时实现了支持多线程和BATCH处理的支持向量机,解决了在视频实时检测时的性能瓶颈,以及在训练大数据集时的内存溢出问题。系统使用HOG特征进行人体识别,在此基础上使用HOG和颜色特征对安全帽识别;实验结果表明,本文实现的系统在识别率和适应性方面有比较好的效果。