李辉

其他情况简介：

主持和参与国家自然科学基金、国家重点研发计划课题、山东省自然科学基金、山东省重点研发、教育部工程研究中心开放课题、青岛市博士后基金等18项课题，以及智慧家庭、低空飞行、机器人视觉感知的多项企业研发项目。山东省高等学校青创人才引育计划团队核心成员，在TITS、IOTJ、TVT、EAAI、HCIS、“电子学报”、“计算机辅助设计与图形学学报”、“中国图象图形学报”等国内外相关期刊和国际学术会议上发表论文60多篇，已授权国家发明专利10项、软件著作权12项，获得山东省技术发明二等奖、山东省高等学校科学技术二等奖、中国物流与采购联合会科技进步二等奖和三等奖、山东省机械工业科学技术进步二等奖、全国商业科技进步二等奖、山东省人工智能技术发明二等奖等。

学习研究经历：

2010/09-2013/06月毕业于武汉理工大学，计算机应用技术专业，博士

2007/09-2010/06月毕业于武汉理工大学，计算机应用技术专业，硕士

2003/09-2007/07月毕业于河南理工大学，计算机科学与技术专业，学士

[1]国家级，国家自然科学基金青年基金（61702295），2018.01-2020.12，项目负责人

[2]省部级，山东省自然科学基金面上项目（ZR2024MF023），2025.01-2027.12，项目负责人

[3]省部级，中国高校产学研创新基金“新一代信息技术创新项目”（2021ITA05047），2022.11-2023.11，项目负责人

[4]省部级，中国高校产学研创新基金“智能驾驶及智能座舱教育专项” （2024HT030），2025.01-2025.12，项目负责人

[5]智能感知与自主控制教育部工程研究中心课题（K100052021006），2021.01-2021.12，项目负责人

[6]广东省数字信号与图像处理技术重点实验室开放课题（2022GDDSIPL-04），2022.09-2024.08，项目负责人

[7]青岛市博士后研究人员应用研究项目，2013.10-2015.09，项目负责人

[8]山东省分布式计算机软件新技术重点实验室开放基金，2019.12-2021.12，项目负责人

[9]国家级，国家重点研发计划课题(2023YFF0612102)，2023.12-2026.11，主要技术骨干

[10]国家级，国家自然科学基金面上项目（61472196），2015.01-2018.12，主要技术骨干

[11]省部级，山东省高等学校青创人才引育计划，2020.01-2022.12，团队核心成员

[12]省部级，山东省重点研发计划（2017GGX10133），2017.09-2019.08，主要技术骨干

[13]青岛市关键技术攻关及产业化示范类项目(科技和文化融合方向)(23-7-2-qljh-4-gx)，2023.12-2026.12，主要技术骨干

[14]青岛市关键技术攻关及产业化示范类项目(24-1-2-qljh-19-gx)，2024.03-2026.03，主要技术骨干

[15]省部级，山东省重点研发计划（科技型中小企业创新能力提升工程）（2024TSGC0170），2024.09-2026.08，主要技术骨干

[1]2024年山东省技术发明二等奖

[2]2024年中国商业联合会科技进步二等奖

[3]2024年山东省人工智能技术发明二等奖

[4]2024年中国物流与采购联合会科技进步三等奖

[5]2020年山东省高等学校科学技术二等奖

[6]2019年中国物流与采购联合会科技进步二等奖

[7]2019年中国商业联合会科技进步二等奖

[8]2019年山东省机械工业科学技术进步二等奖

[9]2024年山东省优秀硕士学位论文指导教师

[10]2022年山东省第九届教学成果奖（高等教育类）二等奖

[1]MCCA-MOT: Multimodal Collaboration-Guided Cascade Association Network for 3D Multi-Object Tracking [J]. IEEE Transactions on Intelligent Transportation Systems. 2025: 26(1): 974-989. 第一作者

[2]Multi-object Tracking via Discriminative Embeddings for the Internet of Things. IEEE Internet of Things Journal. 2023, 10(12): 10532-10546. 第一作者

[3]Multimodal 3D Object Detection Based on Sparse Interaction in Internet of Vehicles [J]. IEEE Transactions on Vehicular Technology. 2024: 74(2): 2174-2186. 第一作者

[4]Multi-object Tracking via Deep Feature Fusion and Association Analysis. Engineering Applications of Artificial Intelligence. 2023, 124: 1-19. 第一作者

[5]Secrecy Performance Intelligent Prediction for Mobile Vehicular Networks: An DI-CNN Approach. IEEE Transactions on Intelligent Transportation Systems. 2024: 1-12. 通讯作者

[6]基于双融合框架的多模态3D目标检测算法. 电子学报. 2023, 51(11): 3100-3110. (CCF A类期刊). 通讯作者

[7]基于全局自适应有向图的行人轨迹预测. 电子学报. 2022, 50(8): 1905-1916. (CCF A类期刊). 通讯作者

[8]图像语义特征引导与点云跨模态融合的三维目标检测方法 [J]. 计算机辅助设计与图形学学报. 2024: 1-16. (CCF A类期刊). 第一作者

[9]Deep Learning-based 3D Multi-Object Tracking Using Multimodal Fusion in Smart Cities. Human-centric Computing and Information Sciences. 2024, 14:1-18. 第一作者

[10]图像与点云多重信息感知关联的三维多目标跟踪. 中国图象图形学报. 2024, 29(1): 163-178. (图像图形领域T1级期刊). 通讯作者

[11]Trajectory Prediction Based on Grouped Spatial-temporal Encoder. Frontiers of Computer Science. 2025, 19(1911373). 通讯作者

[12]Group Commonality Graph: Multimodal Pedestrian Trajectory Prediction via Deep Group Features. Pattern Recognition Letters, 2025, 192, 36-42. 通讯作者

[13]GSTA: Pedestrian Trajectory Prediction Based on Global Spatio-Temporal Association of Graph Attention Network. Pattern Recognition Letters. 2022, 160: 90-97. 通讯作者

[14]DLFusion: Painting-Depth Augmenting-LiDAR for Multimodal Fusion 3D Object Detection. ACM MM. 2023: 3765-3776. (CCF A类会议).

[15]融合多尺度特征和多重注意力的水下目标检测[J]. 农业工程学报, 2022, 38(20):129-139. (中国科协农林领域 T1 级期刊). 第一作者

[1]发明专利：基于深度学习的视觉多目标跟踪方法及装置、专利号: ZL 202010698618.5，授权公告日: 2024.08.02.

[2]发明专利：一种基于深度学习的多目标跟踪方法、专利号:ZL 202111620306.3，授权公告日:2024.04.23.

[3]发明专利：三维目标检测方法及检测装置、专利号：ZL 202110282039.7，授权公告日: 2022.06.14.

[4]发明专利：一种深度特征关联的多目标跟踪方法、专利号:ZL 202010705694.4，授权公告日:2022.10.28.

[5]发明专利：一种基于全卷积网络的视频关键帧提取方法、专利号: ZL 202010789819.6，授权公告日: 2022.10.26.

[6]发明专利：基于深度学习去除图像压缩噪声的方法、装置及处理器，专利号：ZL 201910677048.9，授权公告日: 2023.03.14.

[7]发明专利：一种输电线路异常目标检测方法，专利号: 202010373851.6，授权公告日: 2023.07.20.

[8]发明专利：基于运动行为模式的多视角室内行人跟踪方法，专利号：ZL 201510124915.8，授权公告日: 2017.08.04.

[1]研究生课程，高级人工智能算法，32学时

[2]本科生课程，计算机视觉，48学时

[3]本科生课程，人工智能，48学时

[4]本科生课程，框架编程技术，32学时

[5]本科生课程，学业指导，8学时