建筑业在我国经济发展进程中起到了举足轻重的作用,但时有发生的建筑施工安全事故引起社会与学术界的广泛关注。居高不下的年安全事故发生数与人员伤亡数反映出当前建筑施工安全管理存在着安全事故险兆发现慢、安全事故预警不及时等问题。我国建筑业迫切需要新型的安全管理方法与技术来扭转当前建筑业低效的安全管理模式。当前,使用新型技术进行智能化施工安全管理的成果较少。文章使用卷积神经网络搭建视频图像识别与分类模型实现施工现场内危险区域侵入与不安全行为预警,减少相对应的安全事故发生,然后进行实证分析。实现施工现场智能预警的前提是分析施工现场安全影响因素。本文首先使用文献综述法、耦合器理论得到建筑施工现场不安全影响因素耦合体系,然后通过灰色聚类模型计算出我国施工现场风险最大的两类安全影响因素耦合,为下文的安全预警提供着力点。文章结合相关文献与标准对施工人员的不安全行为分析,得出13类施工人员不安全行为;结合已有研究得出土建施工危险区域、机械移动危险区域与电力泄漏危险区域三类危险区域,并划定了危险区域边界规则。引入神经卷积网络实现施工危险区域侵入行为预警与施工现场危险区域内人员不安全行为预警。在论文中,提出危险区域侵入行为预警原理与施工现场危险区域内人员不安全行为预警原理。最后,利用实际施工现场案例分别对两个模型的预警过程进行验证,展示预警效果与预警准确率。本文利用卷积神经网络对两大类施工现场安全事故进行预警,能够一定程度上降低该类安全事故发生的概率,保障使用现场工作人员安全,为进一步实现智能工地提供新的思路,具有一定的理论意义与实际应用价值。