随着我国经济的快速蓬勃发展,我国的工业化,城镇化进程不断加速。而全国工贸行业有限空间作业事故频发,造成了惨重的人员伤亡和财产损失。随着计算机视觉和模式识别技术的快速发展与广泛应用,该方法能够高效准确的对人的不安全行为进行监控识别与预警,具有较高的研究与应用价值。本文以有限空间作业过程中作业人员发生的不安全行为为切入点,对现场作业过程中采集到的视频图像进行分析识别出不安全行为,进而对不安全行为进行预警避免事故的发生。（1）以有限空间重点作业区域为研究场景,对作业区域范围内的不安全行为的识别算法进行深入研究。本文首先介绍了针对有限空间作业过程中不安全行为识别过程中各环节的算法,针对有限空间作业区域受外界因素干扰大,现场设备多,不利于对不安全行为的识别。因此提出了将梯度直方图特征与人体重心特征结合的识别方法,提高对人的行为识别准确率。对物体的特征提取方法上,基于现场作业环境特点与所使用仪器设备的特有形状和颜色属性,提出了HSV颜色特征提取与形状特征提取相结合的特征描述方法。（2）多特征提取的输入数据较多,应用支持向量机进行分类时,易造成数据维度过高,导致无法分类或运算时间过长,因此提出对输入数据特征向量归一化和基于主成分分析法的图像压缩和重建。并在传统算法基础上对支持向量机分类器进行优化,通过对核函数参数的优化,设计了多特征融合多类别分类器,将人的行为识别与物体的检测识别实现多类别分类。通过对核函数参数的不同取值对比,并引入超参数惩罚因子,并进一步优化核函数参数与惩罚因子,实验证明最终得到最优识别分类的效果。（3）不安全行为图象识别技术实现的基础上,研究分析了不安全行为的预警信息需求及预警条件,并制定预警等级划分及规则,设计了基于图像识别技术的不安全行为预警系统,系统包含三项预警功能:非法擅自闯入作业区域预警、劳动纪律预警、劳动保护预警,以此提高作业现场的安全管理水平降低事故发生概率。文中研究的算法基本满足了有限空间作业人员的不安全行为识别预警功能的要求,为后续将该技术真正应用于各行各业的智能视频监控系统奠定基础,进一步诠释了计算机视觉技术应用在安全生产领域的重要作用和现实意义。