近年来随着视频监控技术的日益成熟,视频监控系统已经开始向智能化的方向发展。安全帽作为一种个人头部防护用品,在工厂的施工作业中,是明令要求每个工人必须佩戴的。但目前对于工人安全帽的佩戴主要依靠人工监察,效率十分低下。所以如果能够利用智能视频监控系统来进行安全帽佩戴检测,进而实现报警和联动控制,将对工厂的安全生产具有重要意义。针对这种情况,国内外一些研究人员开展了安全帽佩戴检测系统的研究,但提出的方法大多存在着时间复杂度高、鲁棒性差和精度低等问题,在工厂这种复杂的环境下很难达到较好的效果。考虑到上述问题,本文基于系统的具体应用场景和需求,设计并实现了一套智能视频监控下的安全帽佩戴检测系统。在系统的安全帽佩戴检测模块中,利用了一种融合深度卷积神经网络固有的特征金字塔多层特征并进行分层预测的方法,将其在Faster R-CNN上进行改进,设计了一种基于深度学习的安全帽佩戴检测算法。在人员跟踪模块,利用检测模块的信息并与核相关滤波跟踪算法相融合,设计了一种联合深度卷积神经网络信息的跟踪算法。为了评估系统,本文在系统实时性、准确性、鲁棒性和可靠性等方面进行了大量的实验验证,证明了我们的系统是可以满足实际需求的。