随着国家经济的高速发展，工程项目数量、规模也随之增加，增加了现场安全风险。工程施工一般为立体交叉作业，室外作业占比较大。整个工程的作业管理工作包含诸多领域，人员管理作为一个重要的部门备受关注。因为作业人员的安全意识、作业流程章程的执行严重影响着施工安全。一旦发生违章作业行为就会造成比较严重的后果，威胁工作人员的人身安全和工程的财产安全。为了预防事故的发生、消除安全隐患，各施工现场都会采取视频监控、智能识别等方式对现场操作人员进行实时监测，监督作业规范，保障安全生产。

对于违规行为进行检测是如何实现的呢？

巨萌视觉引擎可以实现对监控中施工人员的行动动作路线或操作信息进行识别输出数据与系统预先设定的数据进行比对，进而确定是否存在违规行为。不仅可以判断施工动作的完成度还可以识别完成的顺序、路线、机器操作等是否合规。

如施工人员高处作业前需要进行一系列的动作：

第一步：放置好示警牌 

第二步：检查安全带是否有破损

第三步：固定安全带 

第四步：戴好安全帽、系好安全绳

 视觉行为识别可以将整套流程作为一个监测周期，如前三步完成第四步未完成会识别出施工人员行为异常而提出预警，安全监督部门可以根据此项数据采取事故的预防管理等监察手段。

巨萌视觉引擎在施工过程中的视觉行为识别一般可分为视频跟踪和行为识别。在视觉行为识别过程中需要考虑光照变化、场景变化、功能高低、行为夸张、拍摄角度等，进行不同组合来抓取行为视频数据。也就是说，视觉行为识别主要是通过摄像头采集作业人员的某一个动作数据通过软件加以分析并输出、对比已预设的动作数据来判断是否符合预先的要求。然而，视觉识别最大的难点就是施工现场不仅仅是单人跟踪，一般为多人跟踪，拍摄的遮挡、工人服装的统一、重叠、违规动作幅度的大小等都是巨大的挑战。