计算机视觉、图像处理、机器学习、模式识别、人机交互、大数据挖掘、跨媒体智能、智能交通等人工智能理论方法和技术应用。
个人简介
胡永利，北京工业大学教授、博士生导师，北京人工智能研究院交互智能研究中心主任。2017年入选北京市百千万人才工程，2018 年获北京市高层次创新人才支持计划领军人才。2017赴美国卡耐基梅隆大学访问一年。作为项目负责人主持国家自然科学基金联合基金重点项目/面上项目、北京市科技计划项目、北京市自然科学基金重点/面上项目等10余项国家级和省部级研究项目。共发表学术论文150余篇，包括ESI热点论文1篇，ESI高被引论文3篇，以及IEEE/ACM汇刊IEEE TPAMI、TCYB、TNNLS、TIP、TCSVT、TMM、TITS、ACM TKDD和CCF A类会议CVPR、AAAI、IJCAI、ACM MM论文40余篇。获国家发明专利20余项。相关成果在北京市交通委、北京地铁、首都机场和青岛智能交通等单位和领域得到应用，取得显著经济和社会效益，并获2020年吴文俊人工智能科技进步奖一等奖，2022年山东省科技进步二等奖，2020年青岛市科技进步二等奖。
教育简历
2000.9～2005.6，北京工业大学，计算机学院，获工学博士学位；
1995.9～1998.7，首都师范大学，数学系，获理学硕士学位；
1991.9～1995.7，西北大学，数学系，获理学学士学位。
工作履历
2017.1～至今，北京工业大学，银河集团9873.cσm，教授；
2013.12～2016.12，北京工业大学，城市交通学院，副教授/教授；
2010.4～2013.12，北京工业大学，计算机学院，副教授；
2007.9～2010.3，北京师范大学，信息科学与技术学院，博士后；
1998.7～2010.3，北京行政学院，网络信息中心，讲师/副教授。
学术兼职
国际电气和电子工程师协会IEEE会员；
中国计算机学会CCF会员、计算机视觉专委会执行委员；
中国图学学会高级会员、可视化与认知计算专委会委员；
中国人工智能学会会员；
中国自动化学会会员。
课程教学
本科生教学：Python程序设计、计算机视觉
研究生教学：计算机视觉
科研项目
[1] 国家自然科学基金联合基金重点项目：面向城市态势监测的跨媒体数据分析与推理关键技术研究，2020-2024，负责人；
[2] 国家自然科学基金重大项目子课题：城市交通出行规律挖掘与演化分析，2019-2022，负责人；
[3] 国家自然科学基金重大项目子课题：图像视频的群体数据协同结构化表达与处理，2015-2018，负责人；
[4] 国家自然科学基金面上项目：流形上的低秩表示及其在图像视频聚类中的应用，2017-2020，负责人；
[5] 国家自然科学基金面上项目：基于三维视频的人脸表情识别研究，2011-2016，负责人；
[6] 北京市科技计划项目：基于视频实时仿真技术的城市道路交通监视技术研究与示范，2017-2018，负责人；
[7] 北京市自然科学基金-市教委联合基金重点项目：基于多模态超图卷积深度网络的交通预测方法，2022-2024，负责人；
[8] 北京市自然科学基金面上项目：概率张量分解方法及其在RGB-D序列数据表示中的应用，2016-2018，负责人；
[9] 北京市教委科技计划项目：基于RGB-D序列深度学习的人体行为识别方法研究，2015-2017，负责人；
[10] 北京市百千万人才工程项目：流形上的深度学习方法研究，2017-2020，负责人；
[11] 中国博士后科学基金：三维稠密表面数据非刚性配准方法研究，2008-2009，负责人。
荣誉和获奖
2017 年北京市百千万人才
2018 年北京市高层次创新领军人才
2020 年吴文俊人工智能科技进步奖一等奖(排名第二)
2022 年山东省科技进步奖二等奖(排名第二)
2020 年青岛市科技进步奖二等奖(排名第二)
2017 年全国水下机器人目标抓取大赛二等奖(排名第一)
2018 年全国水下机器人目标抓取大赛二等奖(排名第一)
2020年全国水下机器人目标抓取大赛优秀奖(排名第一)
2020 年中国图学学会优秀博士学位论文联合指导导师
代表性研究成果
1. 高维数据的流形表示及聚类方法
针对图像视频等非结构化高维数据的表示问题，提出了非线性流形表示和结构保持的降维方法，建立了流形上的低秩表示模型，解决了流形上低秩表示模型的优化求解难题，实现了高维数据的高性能聚类。
2. 多源多视高维数据的协同表征
针对多源多视高维数据的表征难题，提出了结构化张量表示，自适应乘积流形表示，以及多图学习等新方法，实现了多源高维数据一致性协同表征，在多视监控视频和跨时空交通视频的分析中得到良好的性能。
3. 复杂时空动态数据的图表示学习
针对城市交通等复杂动态系统产生的大规模跨时空数据建模难题，提出了优化图、动态图、层次图和超图等图表示方法及网络模型，实现了跨时空复杂关联数据的图表示学习，应用于交通流预测取得了当前最好的性能。
主要论文论著
[1] Yongli Hu, Zuolong Song, Boyue Wang, Junbin Gao, Yanfeng Sun and Baocai Yin. AKM3C: Adaptive K-Multiple-Means for Multi-view Clustering, IEEE Transactions on Circuits and Systems for Video Technology (IEEE TCSVT), 31(11):4214-4226, 2021.
[2] Tengfei Liu, Yongli Hu*, Boyue Wang, Yanfeng Sun, Junbin Gao, Baocai Yin. Hierarchical graph convolutional networks for structured long document classification. IEEE Transactions on Neural Networks and Learning Systems (IEEE TNNLS), 2023, doi: 10.1109/TNNLS.2022.3185295.
[3] Yanfeng Sun, Xiangheng Jiang, Yongli Hu*, Fuqing Duan, Kan Guo, Boyue Wang, Junbin Gao, Baocai Yin. IEEE Transactions on Intelligent Transportation Systems (IEEE TITS), IEEE Transactions on Intelligent Transportation Systems (IEEE TITS), 23(12):23680-23693, 2022.
[4] Boyue Wang, Yongli Hu*, Junbin Gao, Yanfeng Sun, Fujiao Ju and Baocai Yin. Learning Adaptive Neighborhood Graph on Grassmann Manifolds for Video/Image-Set Subspace Clustering, IEEE Transactions on Multimedia (IEEE TMM), 23:216-227, 2021.
[5] Kan Guo, Yongli Hu*, Zhen Qian, Hao Liu, Ke Zhang, Yanfeng Sun, Junbin Gao, Baocai Yin, Optimized Graph Convolution Recurrent Neural Network for Traffic Prediction, IEEE Transactions on Intelligent Transportation Systems (IEEE TITS), 22(2):1138-1149, 2021.
[6] Kan Guo, Yongli Hu*, Zhen Qian, Yanfeng Sun, Junbin Gao, Baocai Yin. Dynamic Graph Convolution Network for Traffic Forecasting Based on Latent Network of Laplace Matrix Estimation, IEEE Transactions on Intelligent Transportation Systems (IEEE TITS), 23(2):1009-1018, 2022.
[7] Boyue Wang, Yongli Hu*, Junbin Gao, Yanfeng Sun, Fujiao Ju, Baocai Yin. Adaptive Fusion of Heterogeneous Manifolds for Subspace Clustering, IEEE Transactions on Neural Networks and Learning Systems (IEEE TNNLS), 32(8): 3484-3497, 2021.
[8] Boyue Wang, Yongli Hu*, Junbin Gao, Yanfeng Sun, Baocai Yin. Localized LRR on Grassmann Manifolds: An Extrinsic View. IEEE Transactions on Circuits and Systems for Video Technology (IEEE TCSVT) , 28(10): 2524 - 2536 , 2018.
[9] Boyue Wang, Yongli Hu*, Junbin Gao, Yanfeng Sun, Baocai Yin. Laplacian LRR on Product GrassmannManifolds for Human Activity Clustering in Multi-Camera Video Surveillance. IEEE Transactions on Circuits and Systems for Video (IEEE TCSVT), 27(3): 554-566, 2017.
[10] Fei Wu, YongLi Hu*, YanFeng Sun, Junbin Gao, BaocaiYin. Ordered Subspace Clustering with Block-diagonal Priors. IEEE Transactions on Cybernetics (IEEE TCYB), 46(12): 3209-3219, 2016.
[11] Kan Guo, Yongli Hu*, Yanfeng Sun, Sean Qian, Junbin Gao, Baocai Yin. Hierarchical Graph Convolution Network for Traffic Forecasting, The Thirty-Fifth AAAI Conference on Artificial Intelligence (AAAI’2021), February 2-9, 2021
[12] Xinglin Piao, Yongli Hu*, Junbin Gao, Yanfeng Sun, Baocai Yin. Double Nuclear Norm Based Low Rank Representation on Grassmann Manifolds for Clustering, 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR’2019), Long Beach, CA, USA, 2019, pp. 12067-12076, doi: 10.1109/CVPR.2019.01235.
[13] Boyue Wang, Yongli Hu*, JunbinGao, Yanfeng Sun and Baocai Yin. Cascaded Low Rank and Sparse Representation on Grassmann Manifolds. The 27th International Joint Conference on Artificial Intelligence (IJCAI'2018), Stockholm, Sweden, July 13-19, 2018.
[14] Boyue Wang, Yongli Hu*, Junbin Gao, Yanfeng Sun, Haoran Chen and Baocai Yin. Locality Preserving Projections for Grassmann manifold. The 26th International Joint Conference on Artificial Intelligence (IJCAI’2017), Melbourne, Australia, August 2017, pp2893-2900.
[15] Boyue Wang, Yongli Hu*, Junbin Gao, Yanfeng Sun, Baocai Yin. Product Grassmann Manifold Representation and Its LRR Models. The 30th AAAI Conference on Artificial Intelligence (AAAI’2016), Phoenix, USA, February 2016.）
