施工现场的安全问题一直备受各界关注,改善施工现场安全监测方法成为了预防施工现场安全事故发生,保障建筑工人职业健康,避免造成生命财产损失的关键环节。鉴于传统的人工安全检查存在效率低、成本高的问题,以自动化技术为支撑的新型监测方法被认为是最有潜力的替代方案。然而,以计算机视觉技术为例,此类安全监测方式存在着无法理解复杂信息,缺乏整体监测框架等缺陷。为突破目前计算机视觉技术应用于施工安全监视领域的技术瓶颈,本文通过构建基于事理图谱的安全风险识别框架,融合机器视觉,将其作为该框架的前端输入,实现施工现场风险的自动化推理和识别。首先,本文基于大量施工安全事故文本数据,借助深度学习方法和模式识别技术,完成包括事件表示、事件抽取和事件关系抽取任务。其次,通过事件融合,转移概率计算,构建施工安全领域的事故事理图谱,从而建立施工安全事故演化模式知识库。接下来,使用基于YOLOv3的目标检测算法,从图像中获取底层语义信息,通过构建的施工场景本体,将其转化为高级图像语义,借助事件表示模型,实现图像事件描述。然后,将图像事件描述语言作为风险推理的输入,进行图像事件与事理图谱的映射,以事件转移概率为风险推理基础,实现图像风险评估和识别。最后以案例验证该框架的应用潜力。本研究依据自然语言处理领域中基于事理图谱的知识表达形式,以事故演化过程为知识核心构建的风险识别框架具有一定的泛化能力。本文虽仅以机器视觉中的目标检测算法为输入端的技术支撑,探究了施工现场风险自动化识别的可能,但任意一种可构建事件表达文本信息的自动化技术,均可以作为框架输入。由此可见,本文构建的识别框架为预防施工事故的发生提供了一种全新的知识辅助预警手段,可用于提高施工安全管理效率。