八月更新 | CI 构建计划触发机制升级、制品扫描 SBOM 分析功能上线!

腾讯云CODINGDevOps在8月更新了持续集成、构建计划、制品扫描、权限设置等多个模块,增强了灵活性和安全性。新功能包括精细触发规则、构建计划禁用、SBOM分析和自定义团队域名等,提升了团队协作效率。

点击链接了解详情

img


这个八月,腾讯云 CODING DevOps 对持续集成、制品管理、项目协同、平台权限等多个产品模块进行了升级改进,为用户提供更灵活便捷的使用体验。以下是 CODING 新功能速递,快来看看是否有您期待已久的功能特性:

01 CI 构建计划触发机制升级

在原有代码变更及合并请求触发规则基础上,CODING 持续集成 (CI) 对触发机制进行了补充与完善,便于研发团队根据实际研发及管理场景配置精细化的触发规则。

比如,如果只希望特定成员(如 “coding”)在推送代码至名称含 “master” 的分支,且推送更新不包含 ./read-only 文件路径时触发构建,可通过以下组合规则实现:

img

通过灵活的规则组合,研发团队可以精确地配置触发构建的条件,确保只有在满足特定条件时才会触发构建流水线,极大地提高了开发流程的效率和灵活性。
📢:该功能目前处于灰度中,即将全面放开,敬请关注。

02 支持禁用构建计划

持续集成新增构建计划禁用功能。一旦构建计划被禁用,在任何情况下均不会被触发执行。当您的团队需要重新启用该构建计划时,只需将其启用即可。

img

03 制品扫描提供软件成分分析 (SBOM)

软件研发过程中往往会使用大量开源组件,开源组件代码的比例高达 90% 左右。这在加速软件研发的同时也带来了潜在的安全风险。为了帮助企业解决软件成分不透明、软件供应链风险追溯和治理效率低等问题,CODING 制品扫描推出**软件成分分析(SBOM)**重磅能力。

img

通过 SBOM,系统会分析制品的依赖组件,并提供各组件的版本、漏洞、license 统计等信息。与此同时,系统还会分析制品与依赖的关联关系,包括组件依赖的组件及组件所关联的制品,为软件供应链风险追溯和安全治理提供有效依据。

04 支持批量为用户设置 权限组/用户组

为了提升团队成员管理的效率和使用体验,CODING 在本次更新中上线了权限组/用户组的批量操作功能。

进入「团队设置中心」->「组织与成员」->「成员管理」,管理员可通过成员列表直观知悉成员所属的用户组/权限组。如需批量修改成员的用户组/权限组设置,通过右下方「批量处理」即可快速完成操作。

img

05 支持自定义团队域名

CODING 支持自定义团队域名啦!在「团队设置中心」->「团队信息」->「自定义域名」中,点击「自定义域名」即可为您的团队设置个性化的域名。

img

该功能目前为付费功能,多个域名允许同时生效。后续团队内资源(如 Wiki、代码仓库、制品库等)对外分享时的公开链接将基于默认域名生成。
📢:该功能目前处于灰度中,即将全面放开,敬请关注。

06 其他更新

  • 成员权限:除管理员相关的权限组以外,其他系统预设权限组(如「团队普通成员」、「项目经理」等)的权限配置均已支持**自定义修改。

  • 自动化助手:新增状态停留超时触发器,监测事项在指定状态的停留时间并执行指定动作。

  • 项目协同:事项搜索框支持多关键字搜索,多个关键字之间为「或」关系,以空格分隔即可。

  • 代码扫描:问题列表支持筛选出无需修复或误报的问题,快速定位有效问题。

  • 测试管理:测试用例支持按照序号排序;用例导入时标签上限提升至 300。

  • 测试协同:全新**「测试协同」**模块开放公测,基于原有测试管理提供更加流畅的测试协同体验。

除了上述新功能外,我们也对产品细节和使用体验进行了优化。您可以查看帮助中心*(https://coding.net/help)*了解如何使用新功能。

如果您对 CODING 产品有任何反馈或建议,也欢迎随时与我们联系,我们将竭诚为您提供支持。

img

本指南详细阐述基于Python编程语言结合OpenCV计算机视觉库构建实时眼部状态分析系统的技术流程。该系统能够准确识别眼部区域,并对眨眼动作与持续闭眼状态进行判别。OpenCV作为功能强大的图像处理工具库,配合Python简洁的语法特性与丰富的第三方模块支持,为开发此类视觉应用提供了理想环境。 在环境配置阶段,除基础Python运行环境外,还需安装OpenCV核心模块与dlib机器学习库。dlib库内置的HOG(方向梯度直方图)特征检测算法在面部特征定位方面表现卓越。 技术实现包含以下关键环节: - 面部区域检测:采用预训练的Haar级联分类器或HOG特征检测器完成初始人脸定位,为后续眼部分析建立基础坐标系 - 眼部精确定位:基于已识别的人脸区域,运用dlib提供的面部特征点预测模型准确标定双眼位置坐标 - 眼睑轮廓分析:通过OpenCV的轮廓提取算法精确勾勒眼睑边缘形态,为状态判别提供几何特征依据 - 眨眼动作识别:通过连续帧序列分析眼睑开合度变化,建立动态阈值模型判断瞬时闭合动作 - 持续闭眼检测:设定更严格的状态持续时间与闭合程度双重标准,准确识别长时间闭眼行为 - 实时处理架构:构建视频流处理管线,通过帧捕获、特征分析、状态判断的循环流程实现实时监控 完整的技术文档应包含模块化代码实现、依赖库安装指引、参数调优指南及常见问题解决方案。示例代码需具备完整的错误处理机制与性能优化建议,涵盖图像预处理、光照补偿等实际应用中的关键技术点。 掌握该技术体系不仅有助于深入理解计算机视觉原理,更为疲劳驾驶预警、医疗监护等实际应用场景提供了可靠的技术基础。后续优化方向可包括多模态特征融合、深度学习模型集成等进阶研究领域。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值