4K录播EPTZ模组具有超高清音视频编码技术，录制视频分辨率支持4K超高清，最大可提供4K@30fps图像输出，有效像素高达851万。标配大广角镜头，范围可达110°。支持EPTZ，可实现无损4K数字视频、音频、双向控制信号和供电的传输。全高清的多格式视频输出，可配合客户外观定制PCBA。广泛应用于教育信息化建设，优质教学资源共享等领域。 产品特点 ●采用1/2.5英寸，851万有效像素的高品质CMOS传感器，可实现4K超高清的优质图像，支持2D&3D数字降噪，保证高清晰度的同时，满足对画面流畅性的需求 ●采用大广角无畸变镜头，广角镜头水平可达110°，使监控场景的范围更宽，同时保证图像边缘部分保持高清晰度 ●支持EPTZ功能，在无需硬件云台的基础上，实现无机械磨损的云台转动和图像电子放大；且能放大移动相应位置，并满足放大后图像清晰的要求及云台精确定位功能 ●支持全高清多格式的视频输出，提供SDI、USB3.0接口，支持4K、1080p、720p等多种高清视频制式

产品采用嵌入式架构，双处理器实现电影模式和高达7路资源视频在采集、保存、传输和播出全过程中均为4K超清画质，AI模块支持教学行为分析、智能考勤、智慧督导等，为学校教育教学和金课资源建设提供有力保障。

产品详细介绍4路高清/标清H.264编码器/4路HDMI高清编码器--Kylines LMT8400HD                   IPTV行业又添利器，Kylines LMT8400HD 4路高清编码器,采用最为先进的H.264/AVC视频压缩算法和MPEG4 AAC音频压缩算法，在低网络带宽下也具备优异的视频表现和音频还原性。在1Mbps视频码率和30kbps的音频码率下也能实现高清视频在互联网络上的完美呈现。为适应各种复杂的网络音视频协议Kylines LMT8400HD提供了多种视频格式和流媒体协议，例如RTMP, RTSP/RTP, MMS, UDP，HLS。用户可以通过网络流行的Flash播放器，VLC播放器，Windows Media Player等进行直播视频观看。可广泛用于网络视频直播，手机视频直播，远程会议，酒店VOD，校园广播，医院专家会诊等众多应用领域。Kylines LMT8400HD内部集成支持多协议并发服务器，服务器可同时支持UDP、RTSP、HTTP、RTMP、HLS等主被动客户端及服务器端的接入。在多协议并发工作的同时，每种协议还支持多端推送或被动接入。主要特性 H.264/AVC High Profile Level 4.1、H.264/AVC High Profile Level 4.0及H.264/AVC High Profile Level 3.0编码，先进的视频预处理算法 MBAFF（宏块自适应帧场编码） 业界首款三重B帧预测，在优秀图像质量的情况下最大程度降低带宽 先进的VXT2二阶运动预测技术、运动预测精确、提高图像细节完整性 自适应GOP结构，自动探测图像内容，自适应插入I帧 自适应加权预测技术，提高敏感区域图像质量 音频编码支持AAC ，MPEG1 Audio Layer 2 HDMI，HD/SD-SDI数字视频输入 HDMI，HD/SD-SDI数字音频输入 CVBS模拟符合视频输入 非平衡左右声道输入 PAL、NTSC标清视频格式 高清720P、1080I、1080P视频格式 支持本地视频预览 支持TS OVER UDP输出,支持32个客户端 支持FLV OVER RTMP输出，支持32个目标服务器 支持ASF OVER HTTP输出，支持32个客户端 支持向Adobe FMS发布实时直播流，支持32个目标服务器 支持向microsoft WMS发布时时直播流 支持iOS系统终端设备接入，支持32个客户端 液晶&按键操作 嵌入式WEB网络管理 低功耗技术指标输入 视频 HD/SD-SDI，BNC接口(X4)（选配） HDMI (HDCP Support) (X4) CVBS,BNC接口(X4) 音频 HD/SD-SDI内嵌音频(X4) （选配） HDMI内嵌音频(X4) 非平衡左右声道输入，BNC接口(X4)视频 分辨率 1920×1080P 1920×1080i 1280×720P 720×480P/i (NTSC) 720×576P/i(PAL) 480x320P/i 320x240P/i 编码 H.264/AVC High Profile Level 4.1(高清)H.264/AVC High Profile Level 4.0(高清)H.264/AVC High Profile Level 3.0(标清)H.264/AVC Main Profile Level 3.0(标清) 压缩率 1Mbps(720P60) 码率 0.3Mbps~30Mbps 码率控制 CBR/VBR GOP类型 IP IBP IBBP IBBBP IBBBBP 帧率 15Hz – 60Hz音频 编码 AAC-LC、MPEG-1 Layer 2 采样率 48KHz 采样精度 24 bit 码率 30Kb/s~384Kb/s以太网输出 1路RJ45网络输出操作 液晶+按键操作，网络管理(WEB)，英文操作界面 可通过本地网络进行在线软件升级机电 环境 0~45℃(工作)，-20~80℃(存储) 尺寸(宽x长x高) 1U机箱 (482mm×440mm×44.5mm) 重量 5Kg 电源 AC 110V±10%，50/60Hz或AC 220V±10%，50/60Hz 功耗 38W

视频剪辑是一项简单却繁琐的工作，需要投入大量的人力。而且人力完成的视频剪辑，剪辑结果有着很强的主观色彩。通过采集大量各类体育赛事数据进行模型训练，利用深度神经网络良好的自主学习能力，采用Centernet作为多目标检测能力的实现框架，同时利用Transformer重构目标检测进行连锁，二次捕捉目标检测的准确性。CenterNet和Transformer的融合，实现了端到端的目标检测，在准确性提升的基础上满足实时处理视频的要求。综合应用多目标检测跟踪以及多模式识别技术，实现短视频的智能化剪辑，极大程度减少了人工工作量，同时也增加了短视频剪辑的客观性，在大数据时代背景下有着重要的现实意义。

“现阶段医生需要在大量影像数据中快速诊断出新冠肺炎的病例，此外还需要诊断出病灶分布的位置、大小等来评估严重程度。”薛向阳介绍，针对临床的现实需求，团队将设计目标定位于“肺炎分类鉴别”和“关键病灶检测”两大功能，前者是为区别健康状态、新冠肺炎、其他病毒性肺炎、细菌性肺炎，后者则为找到并分隔出磨玻璃影等病灶区域。针对这些需求，团队设计诊断算法模型，让机器利用模型进行训练，学习不同类型肺炎在CT影像表现上的不同特征，最终具备智能辅助诊断的能力。而这需要突破小样本学习、小目标检测等多个技术难题。“小样本学习”即在较少训练数据样本的条件下进行机器学习。在疫情发生前期，能够获取的新冠肺炎影像数据相对较少，且由于一线影像医生任务繁重，无法获得大量专家标注，因此需要算法在少量样本的条件下“自学成才”。为此，团队采用基于自迁移学习的半监督学习等技巧，使算法具备一定的“小样本学习”能力，在不增加医生标注工作量的情况下较好地提高了算法模型的普适性。由于CT影像切片中的病灶区域有大有小，且往往大中小病灶区域面积悬殊，如何使算法能同时检测大、中、小各个目标是另一大难题。团队利用神经网络的层次性特点与病灶区域的大小进行对应，“网络的底层关注细节，即小病灶区域，而网络中层到高层所关注的病灶区域则越来越大，因此模型通过不同层次的加权和融合，最终便能达到同时检测大小病灶区域的目标。”薛向阳解释道。“不过，即便有诊断‘神器’，影像科医生也是不可替代的。”薛向阳说，人是复杂的机体，病毒在不同人体内感染的反映也不一定相同。”他表示，当遇到机器未曾学习过的微小病变或疑难病例时，仍需要影像医生的经验和智慧。以解决实际问题为目标，该项目在研究过程中始终与临床应用紧密结合。无论是机器学习数据，还是测试评估数据，都来源于临床真实病例。在算法模型定型过程中，为了检验模型的准确率和泛化性，团队也利用现实疑似病例进行了测试。