视频监控智能分析技术又叫智能视频分析技术，该技术诞生于机器视觉及边缘计算。视频监控智能分析技术是当下在人们生活中应用范围很广的技术之一。智能视频分析技术能够现场监控传回的视频流中抓取图片及人体状态动作信息，建立图片与规则建立映射关系。

本小节将具体介绍如何使用TF在分布式集群中训练深度学习模型。TensorFlow集群通过一系列的任务（tasks）来执行TF计算图中的运算。一般来说，不同的任务跑在不同的机器上。当然，使用GPU时，不同任务可以使用用一太机器上的不同GPU。TF中的任务可以聚合成工作。每个工作可以包含一个或多个任务。当一个TF集群有多个任务的时候，需要使用tf.train.ClusterSpec来指定运行每一个人物的机器。

import tensorflow as tf

c = tf.constant('Hello ,this is the server1!')

#生成一个有两个人物的集群，一个任务跑在本地的2222端口，另一个跑在本地的2223端口
cluster = tf.train.ClusterSpec({"local":['localhost:2998','localhost2999']})
#通过上面生成的集群配置生成Server。并通过job_name和task_index指定当前启动的任务。
server = tf.train.Server(cluster,job_name='local',task_index=0)
#通过server.target生成会话来使用来使用TF集群中的资源。通过log_device_placement可以看到执行每一个操作的任务
sess = tf.Session(server.target,config=tf.ConfigProto(log_device_placement = True))
print(sess.run(c))

SuiJi视频监控智能分析技术以现场现有的终端监控为基础，运用视觉算法边缘计算技术实现对监控实时回传视频进行实时检测分析。通过视频算法对视频流解析出来的内容进行分析，视频监控智能分析系统通过提取监控摄像头回传的视频流中关键图片、人以及物的状态信息，进行监测运算，如果与后台设置的规则不符，则系统会立即报警。

随着社会的发展，技术的进步，人们生活水平也在不断提高。而监控在人们的日常生活中起到了很重要的保驾护航的作用。假如把作业施工现场的各大品牌的监控当做是人的眼睛，那么智能视频分析系统就可以比如为人的思考判断大脑。智能视频分析技术借助边缘计算的强大计算功能，对视频画面中的海量数据进行高速分析，获取人们需要的信息。让传统的监控系统变得更加智能，使得被动发现，变为主动发现，及时处理异常情况，降低损失。