Viseron项目v3.0.0b13版本发布:智能监控系统的重大更新
Viseron是一款开源的智能视频监控系统,它能够通过计算机视觉技术实现人脸识别、物体检测、运动检测等功能。该系统支持24/7视频录制,并提供了丰富的自动化功能,如事件触发、报警通知等。Viseron特别适合家庭安防、商业监控等场景,其模块化设计允许用户根据需要灵活配置各种功能组件。
核心功能改进
本次发布的v3.0.0b13版本是3.0.0正式版前的最后一个测试版本,主要聚焦于系统稳定性提升和现有功能的完善。其中包含了一些重要的架构变更和新功能引入。
关键变更点
-
目录结构调整:原有的
/recordings目录已被弃用,取而代之的是/event_clips目录。这一变更旨在更准确地反映V3版本中该目录的实际用途,即存储事件触发的视频片段而非全部录像。 -
API接口变更:
trigger_recorder接口已被标记为废弃,建议用户迁移至新的trigger_event_recording接口。
新增功能亮点
人脸识别增强
系统现在支持直接从Compreface人脸识别服务拉取识别对象数据,这大大简化了人脸识别功能的配置流程,用户无需再手动导入所有识别样本。
日志系统改进
新增了日志文件功能,所有系统日志现在会自动保存到配置目录中。这一改进使得故障排查和系统监控更加方便,特别是在无GUI环境下运行的实例。
录像下载功能
用户现在可以直接从Web界面的事件页面下载事件录像和快照。对于24/7连续录像,还可以指定时间段下载MP4格式的视频文件。这一功能极大地方便了用户获取和分享监控录像。
纯录像模式
新增的record_only配置选项允许用户创建连续录像而不运行任何检测器。这一模式适合只需要录像功能而不需要智能分析的用户,可以显著降低系统资源消耗。
静态图像分辨率控制
still_image组件新增了width和height配置参数,允许用户精确设置静态图像的分辨率,满足不同场景下的图像质量需求。
事件导航优化
在事件时间线视图中,现在可以通过点击弹出窗口中的单个事件直接跳转到对应时间点,大大提升了事件回查的效率。
新增组件介绍
即时通讯通知组件
由社区贡献的即时通讯组件允许用户通过即时通讯工具接收监控片段和缩略图。这一功能为移动端通知提供了便捷的解决方案,用户可以随时随地接收监控警报。
PTZ控制组件
同样由社区贡献的PTZ组件提供了对云台摄像机的控制功能,目前主要与即时通讯组件配合使用。未来版本计划将该功能集成到Web界面中,提供更直观的控制体验。
系统稳定性提升
本次更新包含了大量底层优化,包括:
- 改进了异步事件循环处理,确保系统在高负载下的稳定性
- 优化了数据库查询性能,特别是针对大规模录像文件的处理
- 完善了系统关闭流程,确保所有线程都能正确终止
- 增加了错误边界处理,防止前端界面因意外错误而崩溃
开发者相关改进
对于开发者社区,本次更新也带来了一些重要变化:
- 开发容器配置优化,简化了开发环境搭建流程
- 类型检查工具升级至mypy 1.14.1
- WebSocket API全面异步化,提高了接口响应速度
- 测试用例清理流程改进,确保测试环境的一致性
总结
Viseron v3.0.0b13版本作为3.0.0正式版前的最后一个测试版本,在功能完整性和系统稳定性方面都达到了较高水平。新加入的即时通讯通知和PTZ控制组件扩展了系统的实用性,而各项性能优化则提升了用户体验。对于计划升级的用户,建议特别注意目录结构和API接口的变化,确保平滑过渡到新版本。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00