该书分析了蕴含在煤矿各类系统产生的视频图像数据和时间序列数据中的隐患特征，并对隐患进行了分类，初步设计了不同隐患识别方法，给出了数据收集、数据增强和数据合成等的方法，构建了煤矿安全隐患数据集；利用煤矿安全隐患视频图像数据集，采用YoloX、AlphaPose、ST－GCN、MonoFlex等深度学习模型，构建了基于视频图像数据的静态、动态和复杂类别安全隐患智能识别模型；利用煤矿安全隐患时间序列数据，采用LSTM、GRU和GPT等模型，构建了基于时间序列数据的安全隐患智能识别模型。该书适合高等院校煤矿安全类、计算机专业类学生以及相关专业工程设计人员参阅。

1 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 研究评述
1.4 研究内容及方法
2 概念和建模方法
2.1 相关概念
2.2 建模方法
2.3 小结
3 煤矿安全隐患分类及相关数据集构建
3.1 煤矿安全隐患分类
3.2 数据收集
3.3 数据增强
3.4 数据合成
3.5 小结
4 基于视频图像数据的煤矿安全隐患识别
4.1 煤矿静态安全隐患识别
4.2 煤矿动态安全隐患识别
4.3 煤矿复杂安全隐患识别
4.4 小结
5 基于时间序列数据的煤矿安全隐患识别
5.1 煤矿井下时间序列检测数据特征分析
5.2 安全隐患识别模型构建的基本方法
5.3 模型训练与结果分析
5.4 小结
6 煤矿安全隐患智能识别系统开发
6.1 总体设计
6.2 系统底层设计
6.3 数据仓库搭建
6.4 模型部署系统搭建
6.5 应用层设计和实现
6.6 小结
7 主要研究成果与展望
7.1 主要研究成果
7.2 创新点
7.3 展望
参考文献