postman测试集

restful demo

基于华为好望相机路内泊位识别算法程序-附件一、项目背景、基于华为好望相机实现对路侧泊位驶入驶出动态数据的识别和抓拍，摄像机作为前端的采集设备，实现前端智能图像识别，实时视频监测，实时推送识别结果。同时高位相机所含功能支持停车管理规范要求（例如违停检测、跨位检测、压线检测、非机动车检测、车位外停车、逆向停车检测、空位检测、自动对焦、曝光补偿等）。城市路内泊车高位视频识别算法” 分布式部署至前端智能相机中，对车辆泊入泊出动态行为进行识别，后端无需二次识别，自动成单率≥98%，并自动截存车辆泊入泊车的图片和视频，形成完整证据链。  实现车辆进出泊位视频图像的实时采集与智能分析，并将结果通过网络发送给城市高位视频数字泊车综合信息管理云平台。相机型号M2141-EL和M2241-QL。二、项目目标、前端算法要求车辆驶入驶出动作识别达到98%，车牌识别达到99.99%，成单识别率达到98%，响应时间≤2s。同时具备违停检测、跨位检测、压线检测、车位外停车、逆向停车检测、空位检测、自动对焦、曝光补偿。相机程序需要提供：识别异常报警、识别错误报警、断网续传、断点续传。三、需要开发软件的功能、集车牌识别、车辆泊车行为识别、图像采集、视频录像、数据通信功能于一体，无需服务器后端进行二次识别，实现车辆进出泊位视频图像的实时采集与智能深度分析，并将结果通过网络发送给综合信息管理云平台。好望软件程序，嵌入华为相机内和算法相配合，识别后结果回传。程序软件功能： 和服务端长时间通讯，确保设备在线。遇到变焦识别错误问题，进行上报管理平台告警、遇到光照不足/太强，支持曝光补偿、支持车牌倾斜校正、网络速率报警、支持断网续传、断网存储识别图片后等网络链接成功后上传。遇到算法识别错误进行上报告警、支持内存告警、设备问题告警，支持图传功能。识别算法，和相机程序相配置。识别算法功能：对正常车辆驶入驶出做抓拍上传，对非机动车占道、违规停车、树木遮挡报警、号码遮挡车辆、进行报警，同时对特殊车牌识别，并识别车辆车牌信息，绑定证据链上传。识别算法性能： 车牌识别准确率≥99.99%，响应时间≤2秒、空位检测识别准确率≥98%，自动成单率≥98%，车辆驶入驶出动作识别准确率≥98%，响应时间≤1秒、并发处理能力≥5个车牌，识别泊位车牌。图像采集要求：1．补光要求：夜间监控智能开启补光灯，确保车牌区域的光照强度不低于70lux。补光灯应具备自动调节功能，根据环境光线的变化自动调节亮度。2．车牌宽度要求：摄像头应能够在车辆从最远处到最近处行驶的过程中，保持车牌宽度在70px到240px之间。在此范围内，车牌字符应清晰可见，易于识别。3．倾斜度要求：•车牌字符在图像中应保持水平和垂直方向上的正直，无明显倾斜。•系统具备车牌倾斜校正功能，确保车牌字符识别的准确性。4．遮挡要求：•系统应能够应对行人、非机动车、其他车辆等造成的动态或静态遮挡。•在遮挡情况下，系统能够尽可能恢复车牌字符的完整性和清晰度。5．自动对焦与防抖处理：•摄像头应具备自动对焦功能，确保在不同距离和光线条件下车牌字符的清晰度。•摄像头在拍摄过程中应考虑防抖处理，避免因抖动导致的图像模糊或失真。6．图像稳定性：•系统应确保图像的整体稳定性，避免因摄像头抖动或环境干扰导致的图像质量下降。7．对比度要求：•图像中的对比度应适中，避免过曝或欠曝现象，确保车牌字符和背景的细节清晰可见。8．背景干扰要求：•背景应尽可能简洁清晰，减少与车牌字符的混淆和干扰。•系统应具备背景抑制功能，突出车牌字符，提高识别的准确性。9．色彩保真要求：•系统应确保图像色彩的真实性和准确性，避免色彩失真或偏差。•对于不同颜色、材质的车牌（如黄绿蓝车牌、军牌、政府车辆、特种车辆等），系统应能够准确呈现车牌字符的颜色和细节。算法扩展性：系统需要具备良好的模块化设计、灵活的架构和可扩展的接口，以便在未来能够轻松地进行扩展和升级。算法维护性：系统需要定期更新软件版本、修复安全漏洞、调整参数设置等，以确保系统的正常运行和持续优化。需要具备良好的文档支持、易于理解的代码结构、方便的调试工具和自动化的测试机制，以降低维护成本和提高维护效率。传输接口程序，用于配置调试和接口信息：定义传输方式和接口内容，同时包含设置程序、调试程序、配置程序、打包程序等配套程序。四、业务使用场景、城市道路泊位智慧停车，通过高位监控上传车辆驶入驶出证据链，同时支持垂直、平行泊位搭建场景。路侧高位泊位、垂直泊位、车辆出入识别、车辆车牌识别、违规车辆识别。满足我方项目使用华为M2141-EL和M2241-QL相机灌入程序和算法。五、业务流程、由相机算法本地识别车辆动作后，记录抓拍照片后传输至后端服务接口。六、系统软件功能、   定义传输接口、告警接口、上传接口，调试功能、日志记录等，支持手动配置管理。七、可参考的软件或产品、桂林金铱星科技发展有限公司深圳云游四海信息科技有限公司

随着人工智能的发展，不是把数据交给算法，而是算法去处理数据，从而实现一个全新的洞察力水平。 如今，人工智能 (AI) 无处不在，使组织能够预测系统中断的可能性，推动自动驾驶汽车，并为聊天机器人或虚拟助手提供语言功能。 这些类型的人工智能用例主要依赖于集中式、基于云的人工智能，其中存储着大量的训练数据集。 然而，人们越来越倾向于让人工智能更接近源头或更接近边缘。 边缘计算在世界范围内部署了一系列网络和设备，并且数据在更接近数据生成的地方进行处理，在人工智能的支持下变得可操作。由于物联网 (IoT) 积累的海量数据，从源头就非常需要这种类型的智能。 物联网设备(例如传感器、设备或可穿戴设备)通过互联网收集和交换数据，并且通常嵌入到其他物联网设备中以提供通信网络。 例如，仓库员工佩戴的物联网设备可以在跌倒时通知管理层，并向 911 发出警报。冰箱上的物联网设备可以在牛奶不足时提醒房主，或者在搅拌器需要维护时向生物技术科学家发出信号。在这些和其他场景中，边缘人工智能在利用所有数据来开发可行的见解、采取纠正措施或提供安全方面发挥着重要作用。 边缘人工智能允许在靠近实际收集数据的地方进行计算，而不是在集中式云计算设施或异地数据中心进行计算。 当紧迫性和时机至关重要时，边缘人工智能会挑战云的能力。 例如，在自动驾驶汽车中，数据是实时捕获的，但汽车却以每小时 65 英里的速度行驶。 没有时间将数据发送到云端然后返回决策。 必须立即做出决定。边缘优势比比皆是考虑以下一些主要好处：实时决策：边缘人工智能可以帮助设备做出关键决策，而不会产生与基于云的处理相关的延迟。 例如，自动驾驶汽车可以对不断变化的路况做出快速反应，确保乘客安全。隐私和安全：边缘计算还提供安全优势。 从位置传输到云的数据可以在位置之间被黑客攻击，但是当数据在边缘本地处理时，数据不需要通过网络移动。 这在视频监控摄像头等用户隐私至关重要的应用中尤其重要。有限连接：在偏远地区或互联网连接不可靠的地方，边缘人工智能可以独立运行，提供不间断的服务。 这对于农业地区是有益的，配备边缘人工智能的无人机可以监控连接有限的地区的农作物和牲畜。降低成本：边缘人工智能减少了对大规模且昂贵的云基础设施的需求。 企业可以节省数据传输成本并立即访问数据，从而提高效率。可扩展性：边缘人工智能具有高度可扩展性，允许将其他设备轻松添加到边缘计算网络，而不会导致中央云服务器过载。可靠性：通过将人工智能分布在多个设备或节点上，边缘人工智能更具弹性。 即使一台设备发生故障，其他设备也可以继续独立运行，从而降低系统范围内发生故障的风险。安全性：除了上述可穿戴物联网设备的安全优势之外，边缘人工智能还避免了分析师手动收集数据的人身安全隐患。 例如，有人被派去分析受自然灾害影响的建筑物的结构完整性。 当检查过程自主完成时，他们能够在世界另一端办公室的安全范围内实时分析数据。生活在边缘的挑战尽管将人工智能扩展到边缘有很多好处，但它也并非没有局限性。 其中一项挑战是其有限的计算资源。 与数据中心相比，边缘设备的计算能力有限。 这可能会对需要在其上运行的人工智能模型的复杂性造成限制。此外，边缘设备通常由电池供电，而人工智能模型通常需要大量电量，并且会很快耗尽电池寿命。 然而，研究人员正在开发针对边缘设备优化的轻量级人工智能模型和算法。 这些模型在准确性和资源消耗之间取得了平衡，使边缘人工智能更加可行。另一个挑战是，虽然边缘人工智能降低了数据泄露的风险，但它可能会引起本地层面的数据隐私问题，并被视为侵入性的。尽管面临挑战，边缘人工智能仍有望实现显着增长和创新。 事实上，根据 Future Market Insights (FMI) 的数据，边缘人工智能市场预计在 2022 年至 2023 年期间将以 20.8% 的复合年增长率扩张。最新一代无线网络连接 5G 网络的推出将有助于边缘人工智能的兴起，为边缘设备提供更快、更可靠的连接。 此类用例之一是仓库或工业环境，这些环境通常依赖 Wi-Fi。他们现在能够建立一个专用的本地5G网络，连接分布在整个站点的许多设备和物联网传感器。边缘人工智能为数据收集和分析方式提供了另一种选择。 其减少的延迟、数据隐私和成本效率使许多行业的智能达到了新的水平。 不是把数据交给算法，而是算法去处理数据，从而实现一个全新的洞察力。转载自：cid:link_0

经常碰到在录视频时想拍几张照片，但是必须得停止录像。是否可以在手机摄像时，同时增加照相功能，这个应该比较简单吧。

大会介绍：5月27日-28日，GOTC 全球开源技术峰会（（Global Open-source Technology Conference）在上海张江科学会堂成功举办。 GOTC是由上海浦东软件园、开放原子开源基金会、Linux 基金会亚太区和开源中国联合发起的，面向全球开发者的一场盛大开源技术盛宴。 本届大会以“Open Source, Into the Future”为主题，国际开源大咖、专家学者和产业代表齐聚一堂，超 1500 人现场参会， 540 万+人次线上直播观看，全网曝光量达3 亿+( 数据来源：CNCF），共同探讨开源未来，助力开源发展。议题分享：基于Karmada的大规模多云容器平台实践，使能应用跨集群弹性伸缩讲师介绍：携程资深云原生研发工程师李静雪议题简介：携程资深云原生研发工程师李静雪分享了携程基于Karmada的多集群HPA探索与实践。Karmada 是CNCF首个多云多集群容器编排项目。结合了华为云多云容器平台MCP以及Kubernetes Federation核心实践， Karmada提供了包括Kubernetes原生API支持、多层级高可用部署、多集群自动故障迁移、多集群应用自动伸缩、多集群服务发现、多调度组及自定义调度器等关键特性，并且提供原生Kubernetes平滑演进路径，让用户像使用单个集群一样轻松管理跨云多集群，让基于Karmada的多云方案无缝融入云原生技术生态。点击视频观看本次分享精彩回放，添加小助手微信k8s2222回复Karmada，进入技术交流群video

在modelarts训练模型完毕后，在训练作业里如何查看有关模型的准确率等数据？

atlas200dk，跑官方yolov4样例，acl和pillpw，constant都安装完成，环境变量正常配置，acl-help没问题，跑到时候报错AttributeError: module 'acl' has no attribute 'rt'是否由于acl_until现在改名为acllite，许多内部接口命名变了，还是什么原因

现在的版本太新了，导致我的Atlas200DK开发板启动不了，版本是npu-smi info 21.02，用DD镜像烧录之前的版本，开发板能正常工作。

在铁路、关键基础设施等场景下，周界距离长、覆盖广、环境复杂，存在盲区导致漏报高，而现有防护技术手段易受外部环境因素干扰，在夜晚、大雨等极端天气下识别能力下降，误报率高，同时现网设备不具备自动识别入侵目标功能，导致人工复核工作量大，效率低。华为周界防护站产品组合方案拥有多维感知、智简部署、边远回传等组合优势，打造全天候、多场景、立体式防护一张网，满足周界场景精准感知、智简部署及快速响应的防护要求，提升周界防护预测、预警和预防能力。参考链接：https://e.huawei.com/cn/solutions/digital-site/perimeter-protection-site

在公路隧道、城市地下通道等隧道场景下，隧道内路况车况复杂，机电设备哑终端多，运行状态监测难，实时性差，联动处置慢，复杂机电场景依赖传统PLC，监测运维能力弱，事故发生处理不及时产生次生事故。华为面向复杂机电监测场景，安全运营、智能联动需求，打造智能化、高可靠的隧道监测站产品组合方案，降低安全隐患，秒级实时联动，提高运维效率，全站可视运维，大幅度提升隧道运营安全。详细链接：https://e.huawei.com/cn/solutions/digital-site/tunnel-monitoring-site

电力、油气、交通等场站，设备多，接入难，系统多，不可靠，站点多，效率低，如果故障修复不及时将造成巨大损失。 华为综合数字场站方案通过超融合FusionCube、智能物联网关、Atlas和ROMA等产品组合，用融合多算力计算，AI智能替代人工，及时感知场站安全运营和风险，24小时不间断运行，助力企业实现安全生产和运营监测管理。详情见链接：https://e.huawei.com/cn/solutions/digital-site/intelligent-edge-station

聚焦外场基础设施的杆站、管线、场站三类场景形态，推进外场基础设施集约化、共享化、智能化的建设，让城市基础设施智能普惠、企业生产无人少人化、行业感知体系智能升级，为数字经济发展到新阶段架起沟通桥梁，打造数字社会信息“大动脉”。华为数字站点聚焦外场基础设施数字化，联合客户与伙伴一起，将算力、联接、感知等技术推向外场，构建开放、智能的感知网络体系！

本文主要介绍说明XQ6657Z35-EVM评估板Cameralink回环例程的功能、使用步骤以及各个例程的运行效果。（基于TI KeyStone架构C6000系列TMS320C6657双核C66x 定点/浮点DSP以及Xilinx Zynq-7000系列SoC处理器XC7Z035-2FFG676I设计的异构多核评估板，由核心板与评估底板组成。评估板CameraLink功能支持2路Base输入、或者2路Base输出、或者1路Full 输入或输出）ZYNQ7035 PL Cameralink回环例程1.1.1 例程位置ZYNQ例程保存在资料盘中的Demo\ZYNQ\PL\base_cameralink_loop\prj文件夹下。1.1.2 功能简介Cameralink回环例程将J3、J4当作两个独立的Base Cameralink接口使用，一个接收，另一个发送。Cameralink接收端，利用Xilinx ISERDESE2原语进行串/并转换，将LVDS串行数据转换成28bit的cameralink并行数据。解串后的并行数据通过ila进行在线分析和查看，并实时检测并行数据是否有误码。Cameralink发送端，利用Xilinx OSERDESE2原语进行并/串转换，将本地28bit cameralink并行数据串行化为LVDS数据发送出去。1.1.3 Cameralink接口时序说明1.1.3.1 Cameralink三种配置模式Base模式：只需一根Cameralink线缆；4对差分数据、1对差分时钟；Medium模式：需要两根Cameralink线缆；8对差分数据、2对差分时钟；Full模式：需要两根Cameralink线缆；12对差分数据、3对差分时钟。各种模式下，统一都包含一组控制口和一组串口。控制口有4根信号，用于图像采集端对相机的IO控制；串口用于图像采集端对相机参数的配置。1.1.3.2 单路差分数据与时钟之间时序关系单路Cameralink差分数据与随路的差分像素时钟之间的时序关系如下图所示：一个时钟周期内传输7bits串行数据，首先传输串行数据的最高位，最后传输串行数据的最低位。7bits数据起始于像素时钟高电平的中间位置，即数据的最高位在Clock高电平的中间时刻开始传输。Clock高电平时间比Clock低电平时间多一个bit位。1.1.3.3 通道传输数据与图像数据映射关系1路差分数据通道上，一个Clock像素时钟周期传输7bits串行数据，那么4路差分数据通道总共就是4*7bits=28bits，我们称这28bits数据为并行数据，为了方便描述，这28bits数据记为TX/RX27~0。Cameralink Base模式下，这28bits数据与图像行/场同步/数据有效标记、图像数据的映射关系如下图所示：TX/RX24映射为行同步标记LVAL，TX/RX25映射为场同步标记FVAL，TX/RX26映射为图像数据有效标记DVAL，TX/RX23未使用，其余位对应图像数据。1.1.3.4 28位并行数据与4路差分数据传输通道之间的映射关系上述28位并行数据是如何通过4路差分数据传输通道进行传输的呢？28位并行数据映射到4路差分数据传输通道各个时刻点的位置关系如下图所示：1.1.4 管脚约束ZYNQ PL工程管脚约束如下图所示：1.1.5 例程使用1.1.5.1 连接Cameralink线缆使用Cameralink线缆将J3、J4两个接口连接在一起：1.1.5.2 加载运行ZYNQ程序1.1.5.2.1 打开Vivado工程打开Vivado示例工程：工程打开后界面如下图所示：1.1.5.2.2 下载ZYNQ PL程序下载bit流文件base_cameralink_loop.bit，并且配套base_cameralink_loop.ltx调试文件，如下图下载界面所示：1.1.5.3 运行结果说明ZYNQ PL端提供的ILA调试窗口，可以实时抓取采集Cameralink并行信号以及错误检测信号的时序波形。hw_ila_1调试界面抓取Cameralink并行发送数据，是一个28bits的累加数：hw_ila_2调试界面抓取Cameralink并行接收数据、接收误码统计以及接收误码实时标识信号，如下图所示：cameralink_rx_err_num显示有数值，则说明Cameralink接收过程中存在误码。可能在开始通信初始化期间存在误码现象，导致cameralink_rx_err_num误码统计累加。待程序下载完毕后，如果Cameralink通信正常的话，cameralink_rx_err_num误码统计应该不会再累加。如果cameralink_rx_err_num误码统计继续不断累加，则通过触发camera_rx_error信号可以捕捉到误码具体发生时刻。1.1.5.4  退出实验Vivado调试界面Hardware Manager窗口，右键单击localhost(1)，在弹出的菜单中点击Close Server，断开ZYNQ JTAG仿真器与板卡的连接：最后，关闭板卡电源，结束。

 Web3.0 ——“去中心化模式” 而Web3 是关于夺回一些权力。也是有史以来，第一次把经济系统内嵌到了互联网里。Web3.0的定义范围比较广。  随着人工智能的逐渐应用，一些新的互联网商业模式正在兴起，比如每当我们在阅读新闻时，网站的算法会根据我们之前的文章偏好，自动给推荐类似的文章，每次在网上购物，也会推荐更有倾向购买的物品。  这意味着网站可以通过用户的行为，开始学习和分析，变得更加智能，所以，一些互联网从业者便把 Web3.0 定义为“更智能的互联网”。Web3.0 是 Web2.0 的优化，大致地将 Web 3.0 贴上这么 4 个标签：  1、统一身份认证系统  2、数据确权与授权  3、隐私保护与抗审查  4、去中心化运行  Web 3.0 将带来透明、可信的互联网经济模式 因为用户已经免费使用了几十年的互联网内容，大家对于将个人数据通过《用户协议》和《隐私协议》的方式免费给网站、服务商使用的方法并不反感，甚至认为这是理所当然的事情。但我们忽略了，企业使用用户的数据赚到的钱，并不会返回给用户，在收入覆盖运营成本之后剩下的利润，用户无权获得。很多人觉得这理所当然，但这不公平。  无论是 Web 1.0 还是 Web 2.0，因为运营服务的中心化总是或多或少地带来透明度和信任的问题。这一问题可以通过数据权益通证化、数据确权与授权的区块链技术应用来得到解决。用户在 Web 3 的世界里产生的数据归用户所有，在没有得到用户的授权确认之前，使用者无权使用。同时由数据使用而产生的收益，用户也有可能通过数字加密货币行业的通证经济分一杯羹。  通证经济、数字资产的出现，也让用户得到了参与 Web 3.0 开发公司运行的机会，他们可以参与投票、参与分红，实现开发者与使用者的良性互动。用户既是使用者，又是维护者。