- 综合排序
- 最热优先
- 最新优先
U位级资产实时跟踪和盘点的价值
问题一：是否必要对IT资产采用实时跟踪技术？必要。针对现代数据中心的规模和复杂度场景，IT资产的实时跟踪是企业的核心需求。-提升效率：通过实时定位、大幅缩短人工查找与管理时间，优化整体运维流程。 -降低OPEX：精准监控资产位置状态，避免过度采购或闲置浪费，直接降低运营成本。-安全强化：实时监控关键IT设备的位置，有效防范资产被盗、非法移动或意外丢失风险。 在现代大型数据中心，实时跟踪技术是应对规模化运营挑战、实现降本增效的关键战略工具。问题二：是否必要用U位级的实时跟踪？必要。 U位级资产监控已是大型数据中心实现精细化资产管理的核心手段：-精确到U位级实时跟踪实现最大化资产可见度，消除资产管理最后一米的盲区。 对于部署了海量IT设备的大型数据中心，U位级跟踪不仅是资产管理工具，更是实现管理成本最小化、资产效能最大化的战略投资，对企业长期盈利目标的达成具有不可替代性。
16420编辑于 2026-02-02PG实时堆栈跟踪
使用开发者参数 backtrace_functions 对 Postgres 错误进行实时堆栈跟踪 当你在PostgreSQL中执行SQL出错时, 如何能跟踪导致出错的堆栈? 你可以用这个 GUC 让 Postgres 在发生错误时打印堆栈跟踪信息。这太有用了！ 我猜这是为了避免堆栈跟踪日志泛滥。也就是说，只有当日志来自某个函数（以逗号分隔的值命名）时，backtrace_functions 才会打印堆栈跟踪。 2 postgres 0x000000010499a0d0 parserOpenTable.cold.1 + 156 3 0x00000001045c25a8 transformFromClause + 132 7 postgres 0x00000001045ad3fc
10810编辑于 2026-07-09- 来自专栏阿杰
Mybatis 3源码跟踪
DefaultSqlSession MapperRegistry MapperAnnotationBuilder MapperProxy MapperMethod 官方入门 官方文档: mybatis-3 AUTO_INCREMENT, `name` varchar(50) DEFAULT NULL, PRIMARY KEY (`id`) ) ENGINE=InnoDB AUTO_INCREMENT=3 configuration PUBLIC "-//mybatis.org//DTD Config 3.0//EN" "http://mybatis.org/dtd/mybatis-3- SqlSessionFactoryBuilder 按照demo中采用XML作为配置文件,那么会执行到下面代码,我们通过下面代码希望作为源码的开始进行跟踪, 引子就是: parse.parse() public Jdbc3KeyGenerator.INSTANCE : NoKeyGenerator.INSTANCE; } SqlSource sqlSource = langDriver.createSqlSource
53210编辑于 2021-12-20 - 来自专栏无人驾驶感知
【目标跟踪】3D点云跟踪
一、前言 之前博客一直介绍的是视觉方向的跟踪。不过在如今智能驾驶领域，雷达感知仍然占据主要部分。今天来分享下点云3D跟踪。 视觉跟踪输入就是目标检测的结果。 雷达跟踪输入可以是点云检测的结果，也可以是点云聚类的结果。除了一些数据结构、匹配计算，雷达跟踪算法与前面介绍视觉跟踪方法大体相同。 本篇主要探讨雷达如何进行匹配、关联计算，同时解析下代码结构。 卡尔曼滤波 预测、状态、运动方程 hungarian_matcher.h 目标匹配 track_object_distance.h 计算匹配矩阵权重 geometry_util.h 计算所有点质心、计算3D 4.5、ComputePointNumDistance 取值范围[0,3] 直方图距离 把目标所有点云以当个坐标轴分为10个区间 再以xyz三轴共分为30个区间。 整体跟踪效果不错。赞！
1.2K10编辑于 2024-02-05 - 来自专栏SAP ERP管理实践
SAP 资产模块-3.物料转资产
SAP资产管理模块是SAP系统中的一个重要财务模块，包括资产的创建、采购、折旧计算、处置、转移、盘点等功能，主要用于跟踪、管理和计划企业的固定资产，帮助企业实现对固定资产的全面管理和控制。 场景说明：采购以物料方式入库之后，需对物料进行转资产记账；或者某一个资产需要维修领用配件及材料，需要把材料投到资产上。 事务代码：MB1A-发货 操作步骤： 1.输入事务代码 MB1A，确认过账日期、凭证日期、选择移动类型241、工厂、存储地点等信息 2.输入资产号、物料编码、数量、单位等信息 3.确认信息无误后，点保存过账，完成物料转资产操作。
1.1K10编辑于 2024-07-31 - 来自专栏云开发小程序1
python进阶——人工智能实时目标跟踪
前言 本程序主要实现了python的opencv人工智能视觉模块的目标跟踪功能。 若不知道怎么安装opencv或者使用的请看我的这篇文章（曾上过csdn综合热榜的top1）： python进阶——人工智能视觉识别_lqj_本人的博客-CSDN博客 项目介绍 区域性锁定目标实时动态跟踪 2.MIL：比BOOSTING准一点 3.KCF：速度比BOOSTING和MIL更快，与BOOSTING和MIL一样不能很好的处理遮挡问题。 (' '):#等待50毫秒或键盘按空格键退出 break # 释放视频流，释放窗口 cap.release() cv2.destroyAllWindows() 结果演示 区域性全部实时动态目标跟踪 （适用夜视跟踪，范围性观察等） 思路构建 1.先将实时摄像流或录制视频流，灰度转化并高斯模糊 2.用二值化算法将流中的物体轮廓扩充 3.分别先读到第一帧和第二帧，让其对比 4.寻找对比后，流的轮廓位置，
83750编辑于 2023-10-14 - 来自专栏云原生实验室
使用 eBPF 实时持续跟踪进程文件记录
buff ); getchar(); fclose(fp); return 0; } fopen 函数是 glibc[2] 库中的函数，可在 github 上找到 mirror[3] pts/0 lrwx------ 1 root root 64 May 30 16:31 2 -> /dev/pts/0 lr-x------ 1 root root 64 May 30 16:31 3 对于频繁创建销毁的进程也能够实现跟踪 能够基于更多维度进行跟踪，比如进程名或者特定的文件 Linux 内核中的 eBPF 技术，可通过跟踪内核中文件打开的系统调用通过编程的方式实现。 使用 eBPF 实时跟踪文件记录 在真正进入到 eBPF 环节之前，我们需要简单复习一些系统调用的基础知识。 系统调用（syscall） 在 Linux 的系统实现中，分为了用户态和内核态。 [1] BCC: https://github.com/iovisor/bcc/ [2] glibc: https://www.gnu.org/software/libc/sources.html [3]
2.6K30发布于 2021-06-09 - 来自专栏PLC
PM783F 3BDH000364R0002资产信息始终实时可用
PM783F 3BDH000364R0002资产信息始终实时可用图片Pepperl+Fuchs 品牌 ecom 及其面向移动工作人员的互锁防爆硬件和软件组合，为高效的企业移动概念提供集成解决方案，包括智能手机 ABB 5SGY3545L0009 3BHL000986P3004ABB 5SGY3545L0009ABB 3BHL000986P3004ABB 81EU01E-EABB GJR2391500R1210ABB PHARPS32200000ABB F8-G2B9B3B6ABB AO845AABB AO845A-eAABB 3BSE045584R2ABB REF542PLUSABB UFC719AE01ABB DCP10ABB GJR5252300R3101 07AC91FABB GJR5252300R3101ABB 07AC91FABB 5SHY4045L0006 3BHB030310R0001ABB 5SHY4045L0006ABB 3BHB030310R0001ABB HIEE205011R0002
26410编辑于 2023-05-05 - 来自专栏PaddlePaddle
超强实时跟踪系统首次开源！支持跨镜头、多类别、小目标跟踪！
在琳琅满目的视觉应用中，对车辆、行人、飞行器等快速移动的物体进行实时跟踪及分析，可以说是突破安防、自动驾驶、智慧城市等炙手可热行业的利器。 但要实现又快又准的持续跟踪，往往面临被检目标多、相互遮挡、图像扭曲变形、背景杂乱、视角差异大、目标小且运动速度快等产业难题。 视频引用公开数据集[1][2][3][4] 那如何快速获得这个能力呢？ 视频引用公开数据集[3] 多类别跟踪 PP-Tracking不仅高性能地实现了单镜头下的单类别目标跟踪，更针对多种不同类别的目标跟踪场景，增强了特征匹配模块以适配不同类别的跟踪任务，实现跟踪类别覆盖人、 产业场景快速融合 这么厉害的实时跟踪系统在实际落地中的表现如何呢？接下来，让我们看看PP-Tracking的实际业务落地效果吧。 视频引用公开数据集[3] 被应用于自动驾驶、安防、交通、城市等多种领域的目标跟踪你学会了么？ 图片数据引用说明 [1] Yu F, Chen H, Wang X, et al.
2K21发布于 2021-11-29 - 来自专栏SAP ERP管理实践
全球供应链中的实时跟踪技术
实时跟踪技术对供应链管理的好处 在评估不同类型的实时跟踪解决方案之前，我们将重点介绍此类跟踪可以提供的好处： 提供更好的货物交接：跟踪技术使您能够准确了解任何特定时间的货物位置，使供应链合作伙伴之间的货物转移信息保持准确且最新 与车辆跟踪一样，货物跟踪设备与定位软件一起提供准确的数据，准确了解货物的确切位置。 ? 3、仓库和存储跟踪技术 一旦货物到达中间或最终目的地存储位置，了解它们在仓库中的位置非常重要。 3.2 用于定位跟踪的超宽带信标 超宽带（UWB）信标技术是仓库或存储位置内实时定位和跟踪的最准确解决方案之一。 UWB标记可以附加到特定产品或资产，UWB锚点将跟踪每个标记的位置，并在相关软件中快速、准确地报告位置。 UWB技术通常用在仓库环境中的叉车、手推车和其他设备上。 4、供应链跟踪软件 只有当企业能够对这些监测到的数据做出反应行动时，才能体现出数据的价值。因此，拥有一个数据集成的资产跟踪平台非常有必要，该平台可以整合来自所有设备的信息，并全面了解供应链中的商品。
1.7K11发布于 2020-11-26 - 来自专栏相约机器人
使用MediaPipe进行设备上的实时手部跟踪
该方法通过使用机器学习（ML）从单个帧推断出手的21个3D关键点来提供高保真的手和手指跟踪。虽然目前最先进的方法主要依靠强大的桌面环境进行推理，但方法可以在手机上实现实时性能，甚至可以扩展到多手。 通过MediaPipe在手机上实时3D手感知。解决方案使用机器学习从视频帧计算手的21个3D关键点。深度以灰度显示。 BlazePalm：实时手部/手掌检测 为了检测初始手部位置，采用名为BlazePalm 的单发探测器模型，以类似于BlazeFace的方式针对移动实时使用进行了优化，BlazeFace也可用在MediaPipe 为了更好地覆盖可能的手部姿势并对手部几何形状的性质提供额外的监督，还在各种背景下渲染高质量的合成手部模型，并将其映射到相应的3D坐标。 ? 上图：对齐的手工作物通过地面实况注释传递到跟踪网络。 手部跟踪网络的混合训练模式。裁剪的真实照片和渲染的合成图像用作预测21个3D关键点的输入。 下表总结了回归准确性，具体取决于培训数据的性质。使用合成和现实世界数据可显着提升性能。
11.1K21发布于 2019-08-23 - 来自专栏数据技巧
如何利用Power Query实时跟踪商品价格？
对于想购买的商品可以同时对多个商家在售的同一个品加入购物车，这样想买的时候就可以在购物车里面进行比价，但是这个只能局限在个人的范围内，如果想要更多的人关注的话，加入购物车的操作就显然力不从心了，所以希望能得到如下效果的导航界面，并能实时刷新 Power Query作为一款便捷的数据获取及整理的工具，对于网站的商品价格进行实时抓取也是作为体现其价值的一个方面。 3. 观察自动获取的数据信息 一个是表2，里面有价格可以直接获取；另外一个是HTML代码，以便于我们后期获取店铺名，商品标题等信息。 4. 分别获取价格，店铺名，商品标题 1）价格获取并整理 通过前面第3步骤的时候看到的，表2中就带有价格，直接通过定位到39.5的那个位置即可。 3）标题名称 和上面获取店铺名称一样，但是关键词可通过观察，可以得到 “<title>”和“</title>”。 5.
2.6K40编辑于 2023-03-08 - 来自专栏我爱计算机视觉
业界首个实时多目标跟踪系统开源
相对业界研究比较多的单目标跟踪，多目标跟踪（Multi-Object Tracking，MOT）系统在实际项目中应用场景更多。 今天一篇多目标跟踪的论文Towards Real-Time Multi-Object Tracking，引起了不少人的关注，速度更快、精度更高、代码也已经开源了，非常值得参考。 作者称，该算法是第一个实时的多目标跟踪算法。 该文作者信息： ? 来自清华大学和澳大利亚国立大学。 多目标跟踪往往采用tracking-by-detection 流程，分为用于目标定位的检测模型和目标关联的表观嵌入模型，长久以来，这两大模块是分开的。 作者的想法就是在这两大模块共享特征。 作者在MOT-16多目标跟踪数据集上评估了算法精度和速度，结果如下： ? 该文提出的算法，MOTA接近state-of-the-art，比DeepSort精度高，速度快3-4倍。
82520发布于 2019-12-27 - 来自专栏AI科技大本营的专栏
业界首个实时多目标跟踪系统开源
作者 | CV君 来源 | 我爱计算机视觉（ID：aicvml） 相对业界研究比较多的单目标跟踪，多目标跟踪（Multi-Object Tracking，MOT）系统在实际项目中应用场景更多。 今天一篇多目标跟踪的论文Towards Real-Time Multi-Object Tracking，引起了不少人的关注，速度更快、精度更高、代码也已经开源了，非常值得参考。 作者称，该算法是第一个实时的多目标跟踪算法。 该文作者信息： ? 来自清华大学和澳大利亚国立大学。 多目标跟踪往往采用tracking-by-detection 流程，分为用于目标定位的检测模型和目标关联的表观嵌入模型，长久以来，这两大模块是分开的。 作者的想法就是在这两大模块共享特征。 作者在MOT-16多目标跟踪数据集上评估了算法精度和速度，结果如下： ? 该文提出的算法，MOTA接近state-of-the-art，比DeepSort精度高，速度快3-4倍。
1.4K11发布于 2019-10-10 - 来自专栏FreeBuf
安全研究 | 使用CertEagle实现实时资产监控
在漏洞挖掘的过程中，网络侦察扮演着至关重要的角色，如果你能比其他人更早地发现/识别新添加的资产，那么你发现/报告该资产上的安全缺陷并因此获得奖励的几率就比其他人高。 我的计划是从实时CT日志feed中提取域信息，因此与其他人相比，我更早地找到新资产的可能性将会更高。 工作流 监视实时CT日志feed并从该feed中提取域名； 根据要匹配的域/关键字匹配提取的子域/域； 如果域名匹配，则发送一条Slack通知； 工具要求 一台虚拟专用服务器（Unix）； Python 比如说“.facebook.com”，从实时CT日志中提取出来的域名将跟关键词“.facebook.com”进行匹配，如果能匹配上，则会记录在我们的输出文件（found-domains.log）中。 很好，我们现在已经完成了工具的初始配置了，接下来我们需要安装所需的依赖组件并运行我们的工具： $ pip3 install -r requirements.txt $ python3 certeagle.py
65430发布于 2021-04-16 - 来自专栏OpenFPGA
使用云台相机进行实时对象跟踪（肤色追踪）
使用云台相机进行实时对象跟踪（肤色追踪实验） IPC摄像头将跟踪对象保持在视频的中心。 硬件 FPGA Zybo AXIS V5915 50HZ PTZ 介绍 对象跟踪是在视频序列的每个连续帧中寻找感兴趣的区域，在许多应用中都很有用，例如汽车行业、自动视频监控系统和手势识别。 该项目展示了使用 Zybo Z7-20 SoC 的 FPGA 加速跟踪算法。该系统还包含 AXIS V5915 PTZ 摄像机，通过与摄像机服务器的 TCP 连接而进行控制达到我们的目的。 肤色追踪 肤色识别是在YCbCr色彩空间中完成的，可以通过RGB像素乘以3x3转换矩阵来实现： 转换后，可以创建肤色分类掩码，255 值表示像素被认为是皮肤。 ，负责计算跟踪对象位置并将其写入 AXI4 Lite 接口，以及负责从 AXI4 获取对象坐标的相机控制系统接口并通过 TCP 循环控制相机的速度。
1.2K20编辑于 2021-12-31 YashanDB的监控功能：实时跟踪数据状态与性能
本文聚焦于YashanDB的监控功能，解析其架构内置的实时状态跟踪及性能监控体系。 实时状态跟踪机制为实现精准的实时监控，YashanDB针对不同资源与运行状态设计专用监控线程，其中包括：数据缓存监控：数据缓存（DATA BUFFER）维护了近期使用数据的内存拷贝，监控线程跟踪缓存命中率 事务状态跟踪：主动监控活跃事务的执行状况及回滚情况，检测异常事务，结合回滚线程（ROLLBACK）自动完善事务恢复工作。 3. 性能指标监控与优化建议YashanDB监控体系支持详尽的性能指标采集与分析，涵盖：SQL执行统计：收集SQL解析时间、优化时间、执行时间及缓冲区使用量，可辅助定位慢SQL和热点表。 通过多线程实时监控模块与统一的数据汇聚体系，YashanDB能够实现对数据状态和系统性能的高精度跟踪。合理运用监控数据反馈的优化建议可以有效提升数据库的稳定性和性能表现。
33210编辑于 2025-08-18- 来自专栏代码的路
SA-Siam：用于实时目标跟踪的孪生网络
； 3.本文的目的是提升SiamFC在目标跟踪任务中的判别力。 通过上述SiamFC的功能，自然地其可以用于目标跟踪算法中。SiamFC网络突出优点：无需在线fine-tune和end-to-end跟踪模式，使得其可以做到保证跟踪效果的前提下进行实时跟踪。 2.集成跟踪器：大多数跟踪是一个模型A，利用模型A对当前数据进行计算得到跟踪结果，集成跟踪器就是它有多个模型A,B,C，分别对当前数据进行分析，然后对结果融合得到最终的跟踪结果。 上述图中，假设是conv5层的第i个通道特征图，维度为22×22，将该图分割成3×3份（其中中间的那份为6×6，是准确的目标），经过max-pooling操作后变成3×3的图，经过一个两层的MLP网络（ 实验 数据维度：在我们的实现中，目标图像块z的尺寸为127×127×3，并且zs和X都具有255×255×3的尺寸。对于z和X，A-Net的输出特征具有尺寸分别为6×6×256和22×22×256。
88952编辑于 2022-08-01 - 来自专栏相约机器人
TensorFlow，Raspberry Pi和Pan-Tilt HAT实时对象跟踪
将TensorFlow Lite对象检测模型（MobileNetV3-SSD）部署到Raspberry Pi。 使用比例积分微分控制器（PID）控制器向平移/倾斜伺服电机发送跟踪指令。 注意：使用默认的MobileNetV3-SSD模型只能检测和跟踪以下对象。 1.SSH进入Raspberry Pi 2.激活虚拟环境： $source .venv/bin/activate 3.运行以下命令： $ rpi-deep-pantilt track 默认情况下，这将跟踪带有标签的对象 : 7.861758172395542 INFO:root:FPS: 7.8549541944597 INFO:root:FPS: 7.907857699044301 第12部分-使用Edge TPU实时跟踪对象 应该能够实时检测物体！
3.6K40发布于 2019-12-19 - 来自专栏OpenCV与AI深度学习
实时目标跟踪：基于DeepSORT和TorchVision检测器实现
导 读 本文主要介绍基于DeepSORT和TorchVision检测器实现实时目标跟踪实例。 背景介绍 在实际应用中，跟踪是对象检测中最重要的组成部分之一。 如果没有跟踪，实时监控和自动驾驶系统等应用就无法充分发挥其潜力。无论是人还是车辆，物体跟踪都起着重要作用。然而，测试大量的检测模型和重识别模型是很麻烦的。 使用Torchvision的实时Deep SORT代码 深度排序实时库将在内部处理跟踪详细信息。我们的目标是创建一个模块化代码库，用于多种检测和 Re-ID 模型的快速原型设计。 --show：一个布尔参数，指示我们是否要实时可视化输出。 --cls：这接受我们想要跟踪的类索引。默认情况下，它仅跟踪人员。 可以进一步采用这种解决方案，使用仅在车辆上进行训练的轻量级检测器来实时跟踪交通。
1.8K20编辑于 2023-09-11
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号