蔡晓辉

电  　话：(0551)63600524

E - Mail：caixiaohui@ustc.tsg211.com

实验室主页：http://pplab.ustc.tsg211.com   


主要研究方向：智能织物、嵌入式系统、普适/可穿戴计算、新型传感器、数据挖掘，及以上技术在智慧医疗中的应用


蔡晓辉，女，中科大计算机科学与技术学院教授，博导，中科大近代物理系应用物理学专业2002届学士，电子科学与应用专业2007届博士（硕博连读）。2007-2018年间在德国进行基于智能织物的普适计算方向的科研，历任帕绍大学博士后、德国人工智能研究中心高级研究员和德国布伦瑞克工业大学青年教授，2018年回国。已在智能织物方向发表论文40余篇，主要发表在普适计算、可穿戴计算方向的UbiComp、PerCom、ISWC等会议和IEEE Sensors Journal上，并常年担任可穿戴计算方向会议ISWC的程序委员会委员。参与编著Springer出版社Smart Textiles - Fundamentals, Design and Interaction。归国后主攻以智能织物为代表的精密普适计算及其在智慧医疗方向的应用，现为中华医学会医学信息学分会医学大数据与人工智能学组委员，已完成压阻阵列型智能织物从织物传感器、嵌入式硬件到人工智能算法的全面国产化，建立了与中科大附一院心内科、重症监护中心、神经外科、神经内科等若干科室的合作，即将进入科室试用阶段。


导师选题：

基于智能织物的长期姿态研究智能织物能够以衣服和家纺形式无缝融入生活，不受光照、遮挡等影响，是长期连续姿态检测的良好媒介，在睡眠监测、患者康复等方向都有应用前景。本课题参与者将学习如何制作智能床单，并在已有体型体态算法的基础上，实现长期卧姿的采集和统计，小规模记录和研究睡眠质量、健康状态与日常生活间的关联，为下一步扩大应用规模打下基础。参与者将接触传感器、嵌入式硬件、人工智能算法以及与人相关的数据采集，积累跨学科知识并锻炼动手能力。
基于压力感知智能织物的枕头柔性形变研究压力感知智能织物能够以衣服和家纺形式无缝融入生活，不受光照、遮挡等影响，在睡眠监测、患者康复等方向都有应用前景。在居家场景下，枕头作为常见床上用品与使用者发生接触交互。枕头本身具有厚度，将支撑使用者肢体，避免肢体与床单直接接触，导致床单采集压力分布发生改变；同时，使用者肢体也会改变枕头形状，使之根据受力位置发生挤压形变。这一相互作用将显著增加真实环境下压力感知精度和信息提取难度。本课题参与者将学习如何使用智能织物系统，扫描枕头点云模型，采集人体卧床时枕头压力数据，探究枕头形变与压力分布联系，为真实环境系统部署打下基础。参与者将接触传感器、嵌入式硬件、人工智能算法以及与人相关的数据采集，积累跨学科知识并锻炼动手能力。
服务于智能织物姿态识别的渲染优化智能织物能够以衣服和家纺形式无缝融入生活，不受光照、遮挡等影响，是长期连续姿态检测的良好媒介。但当前的科研还停留在从数据中恢复姿态的算法开发阶段，缺乏与人的互动交互，而这当中，渲染又是限制实时交互最关键的一环。本课题参与者将在实验室已有算法基础上，研究1）如何完成压力到人体动态三维图像的贴图；和2）不同渲染方法和参数对实时性和显示质量的影响。从而提高姿态显示的实时性和系统与人的交互性。参与者将接触人工智能算法和图形学应用。
基于智能鞋和视频的多模态运动评测运动是健康之本。当前对普通人运动的评估还停留在每天多少步这样的简单数据上。本课题将通过结合单目视频和智能鞋双设备来研究人体运动，特别是跑步、跳远这样的户外运动中的人体表现。参与者将学习如何制作智能鞋，架设双设备试验场景，实现小规模数据集采集，设计姿态拟合神经网络，提取运动参数。参与者将接触传感器、嵌入式硬件、人工智能算法以及与人相关的数据采集，积累跨学科知识并锻炼动手能力。
基于可穿戴智能织物的康复运动评估康复运动是疾病（如中风）和运动损伤（如韧带断裂）等患者必经之路的过程。当前对于康复运动的评价基本上还依靠康复仪器，由患者主动进行的康复运动则缺乏评价工具和评价标准。本课题将尝试使用智能袖带、智能绑腿等方式，对康复运动的执行进行自动识别和评定，并尝试通过声音、视频等方式对患者进行鼓励。参与者将接触传感器、嵌入式硬件、人工智能算法以及与人相关的数据采集，积累跨学科知识并锻炼动手能力。本课题参与者（可穿戴设备）还可与下一课题（环境设备）组成联合研究小组，增进讨论和合作。
基于环境智能织物的康复运动评估康复运动是疾病（如中风）和运动损伤（如韧带断裂）等患者必经之路的过程。当前对于康复运动的评价基本上还依靠康复仪器，由患者主动进行的康复运动则缺乏评价工具和评价标准。本课题将尝试使用智能床单、智能地垫等方式，对康复运动的执行进行自动识别和评定，并尝试通过声音、视频等方式对患者进行鼓励。参与者将接触传感器、嵌入式硬件、人工智能算法以及与人相关的数据采集，积累跨学科知识并锻炼动手能力。本课题参与者（环境设备）还可与上一课题（可穿戴设备）组成联合研究小组，增进讨论和合作。