为了提高石墨固废利用率, 本文以石墨开采废石为细骨料, 添加球形石墨尾料以及不同质量分数的废石石粉进行电热板材配方试验, 探究了石墨开采废石取代量、石粉掺量对电热板材性能的影响。结果表明: 在100%(质量分数)使用石墨开采废石作为细骨料时, 养护28 d的水泥板材抗折强度及抗压强度分别达到11.09 MPa和50.90 MPa, 虽然略低于使用标准砂的水泥板材的强度指标, 但是仍可满足相关要求, 说明石墨开采废石可以作为细骨料使用; 在废石石粉掺量为7%(质量分数)时, 电热板材的抗折强度和抗压强度最高分别达到6.21 MPa和33.00 MPa, 虽然强度有所降低, 但是仍可满足低强度板材的要求; 在球形石墨尾料掺量为9%(质量分数)时, 电热板材体积电阻率为1.94 Ω·m, 发热温度为71 ℃, 具有良好的电热效果。

针对混合高斯模型(Gaussian Mixture Model, GMM)无法检测到完整的运动目标, 三帧差法检测目标时对物体速度的敏感, 检测到的物体会出现空洞等缺点, 提出了一种混合高斯融合三帧差法的运动目标检测改进算法。首先, 在运动目标提取过程中, 改进的三帧差法采用动态分割阈值和边缘检测技术, 解决光线突变和边缘不连续问题; 然后引入新的高斯分布自适应选择策略, 以减少处理时间, 提高检测准确性; 最后, 利用改进 HSV(Hue-Saturation-Value)颜色空间来消除阴影区域, 得到一个完整的运动目标。数据实验表明, 该算法在不同场景具有较好的检测能力。

对运动目标跟踪时，主流 Mean-Shift（均值偏移）算法对环境的影响较为敏感。针对目标遮挡时准确跟踪这一问题，提出了多步预测融合 Mean-Shift的优化运动目标跟踪算法。在目标跟踪的过程当中采取 Bhattacharyya coefficient（巴氏系数）辨别目标是否出现了遮挡。当目标产生遮挡的情况，采取多步预测算法，根据目标前一帧的特征信息对下一帧中目标位置信息进行判断。当运动目标离开遮挡时，则继续采取 Mean-Shift实施后续跟踪。通过对不同场景下的视频序列实行测试，其结果表明该算法可以对发生遮挡后的目标进行连续、稳健的跟踪。