高志强，军队指挥学武警信息化研究方向博士，毕业于中国人民武装警察部队工程大学，武警部队首届军事大数据工程专业筹备组成员。作为骨干成员参与研制多项武警部队信息化装备及平台系统，参与国家自然科学基金2项、陕西省自然科学基金1项。主要研究方向：深度学习、大数据与智能计算、面向大数据开放与治理的差分隐私保护数据发布关键技术研究及应用、粒子群优化算法等。鲁晓阳，军事学学士，主要研究领域为信息安全中的信息隐藏技术，参与多项国家和军队级科研项目，出版人工智能领域专著2部，发表学术论文十余篇。张荣荣，陕西师范大学软件工程学士，西南大学计算机应用技术硕士，研究方向为人工智能与模式识别，发表学术论文十余篇，获得软件著作权5项，国家发明专利2项。

基于边缘计算这一新型的计算模式，边缘智能在更加靠近用户和数据源头的网络边缘侧训练和部署深度学习模型，从而改善应用的性能、成本和隐私性。本书以深入浅出的方式，讲解边缘智能体系架构和关键技术，从时代宏观背景引领到关键支撑技术细节剖析，再到落地实战应用，理论与实践并重，循序渐进，博采而精取，分别向读者清晰地展现了边缘智能的“云-边-端”体系架构、数据与信任、模型与安全、资源与优化的技术脉络与方法原理。同时，结合开源平台资源，按照智能安防、智慧电梯、智慧社区、智慧医疗、智慧交通等具体应用场景，给出所讲述理论的落地应用案例和编程开发指导，旨在平衡知识的深度与广度，明确入门与进阶路径，使读者更加深入全面地理解边缘智能理论及实践方法。

第1章 边缘智能：“智能+”的新风口
1.1 边缘智能产生的“大背景” .1
1.1.1 新一代信息技术的推动发展 .1
1.1.2 国家政策的支持和引导 6
1.1.3 资本与业务需求的推动 7
1.2 身边的边缘智能“小案例” .8
1.2.1 京东快递与菜鸟驿站 8
1.2.2 智能快递柜收费“风波” .10
1.3 边缘智能发展的三大阶段 .12
1.3.1 第一阶段：边缘智能探索 .12
1.3.2 第二阶段：“智能+”边缘 .12
1.3.3 第三阶段：边缘智能体系 .13
1.4 站在“智能+”的新风口 14
1.4.1 “智能+”技术的新融合 .14
1.4.2 应用行业的多维度 15
1.4.3 新兴市场的大繁荣 16
1.5 本章小结 .17
第2章 何为边缘智能
2.1 边缘智能的定义 18
2.2 边缘智能的前世今生 19
2.2.1 网络通信角度的演进 20
2.2.2 计算服务角度的演进 23
2.2.3 “智能+”角度的演进 .27
2.3 边缘智能面临的挑战及研究方向 30
2.3.1 面临的挑战：安全、智能应用和优化 30
2.3.2．研究方向：安全、智能、协同、优化 32
2.4 边缘智能的重要应用场景 .35
2.4.1 无人驾驶 .35
文前.indd 1 2021-4-7 8:08:26
ii 边缘智能：关键技术与落地实践
2.4.2 智能安防 . 36
2.4.3 智能家居 . 37
2.4.4 工业机器人 . 38
2.5 本章小结 . 40
第3 章 “云- 边- 端”体系架构
3.1 系统工程方法论 41
3.1.1 系统工程概述 . 41
3.1.2 基本方法 . 42
3.2 体系架构模型 44
3.2.1 概念框架 . 44
3.2.2 层次结构 . 46
3.3 协同模式 . 47
3.3.1 “云- 边”协同 48
3.3.2 “边- 边”协同 49
3.3.3 “边- 端”协同 50
3.3.4 “云- 边- 端”协同 50
3.4 度量指标 . 51
3.5 前沿方向 . 54
3.5.1 “云- 边- 端”区块链 54
3.5.2 边缘云原生容器服务 56
3.5.3 “云- 边- 端”一体化机器人系统 . 57
3.6 本章小结 . 59
第4 章 边缘智能中的数据与信任
4.1 区块链技术概述 61
4.1.1 基础架构 . 61
4.1.2 重要组件 . 64
4.1.3 主流开源技术 . 68
4.2 数据管理与隐私保护 70
4.2.1 数据管理架构 . 70
4.2.2 隐私保护 . 72
4.3 边缘智能中的信任 74
4.3.1 信任的基本概念 74
4.3.2 信任管理 . 76
4.4 解决方案 . 78
4.4.1 服务模式层面的解决方案 . 78
4.4.2 部署方式层面的解决方案 . 79
4.5 前沿方向 . 80
4.5.1 面向资源受限环境的性能扩展 . 80
4.5.2 跨域的分布式信任 80
4.5.3 智能应用与隐私保护的平衡 . 81
4.6 本章小结 . 81
第5 章 边缘智能中的模型与安全
5.1 模型压缩 . 83
5.1.1 深度神经网络基础 83
5.1.2 模型压缩方法 . 86
5.1.3 模型压缩工具框架 90
5.2 联邦学习 . 93
5.2.1 基本概念 . 93
5.2.2 安全性分析 . 97
5.3 解决方案 . 100
5.3.1 百度联邦学习框架PaddleFL 100
5.3.2 微众银行联邦学习框架FATE . 100
5.3.3 腾讯联邦学习框架AngelFL . 101
5.3.4 平安科技联邦学习平台“蜂巢” . 101
5.4 前沿方向 . 102
5.4.1 面向“云- 边- 端”应用的模型压缩 102
5.4.2 面向边缘智能的联邦学习 . 103
5.5 本章小结 . 104
第6 章 边缘智能中的资源与优化
6.1 计算卸载 . 106
6.1.1 基本流程 . 106
6.1.2 运行机制 . 108
6.1.3 策略分类 . 109
6.2 资源分配优化 111
6.2.1 最优化理论基础 112
6.2.2 马尔可夫决策过程 112
6.2.3 深度强化学习 . 113
6.2.4 资源分配优化问题建模 115
6.3 解决方案 . 118
6.3.1 面向不可分割任务的计算卸载方案 . 118
6.3.2 面向可分割任务的协同计算卸载方案 118
6.3.3 多节点资源分配方案 120
6.4 前沿方向 . 122
6.4.1 新型计算卸载策略 122
6.4.2 “云- 边- 端”高效的资源分配优化模型 123
6.4.3 数据安全协同模式解决安全性问题 . 123
6.5 本章小结 . 124
第7 章 智能安防场景下的边缘智能实践
7.1 实践背景 . 125
7.1.1 智能安防的发展、挑战和新要求 . 125
7.1.2 危险物品检测 . 129
7.2 技术梳理 . 130
7.2.1 视觉目标检测 . 130
7.2.2 轻量级卷积神经网络 132
7.3 实践案例：基于Jetson Nano 的枪支检测 134
7.3.1 基础环境准备 . 134
7.3.2 数据集准备 . 136
7.3.3 模型训练 . 138
7.3.4 测试部署 . 139
7.4 本章小结 . 140
参考资源 141
第8 章 智慧电梯场景下的边缘智能实践
8.1 实践背景 . 142
8.1.1 智慧电梯：无接触式交互的“垂直出行” 142
8.1.2 智能语音：人机交互的“私人助手” 144
8.2 技术梳理 . 146
8.2.1 语音识别：人工智能关键步骤 . 146
8.2.2 智慧电梯语音指令识别流程 . 152
8.3 实践案例：基于深度神经网络的通用电梯语言指令识别 . 153
8.3.1 基础环境与数据集构建 153
8.3.2 模型设计与训练 154
8.3.3 性能测试 . 156
8.4 实践案例：基于树莓派的可编程电梯语音识别 . 157
8.4.1 基础环境 . 157
8.4.2 GPIO 编程 . 157
8.4.3 部署测试 . 160
8.5 本章小结 . 161
参考资源 161
第9 章 智慧社区场景下的边缘智能实践
9.1 实战背景 . 163
9.1.1 智慧社区：民生的智慧“生活圈” . 163
9.1.2 社区中生活垃圾分类 166
9.2 技术梳理 . 168
9.2.1 垃圾图像分类 . 168
9.2.2 联邦学习 . 171
9.3 实践案例：基于联邦学习的垃圾图像分类 174
9.3.1 基础环境：FATE 174
9.3.2 数据集构建 . 176
9.3.3 模型构建 . 177
9.3.4 训练与测试结果 179
9.4 本章小结 . 180
参考资源 181
第10 章 智慧医疗场景下的边缘智能实践
10.1 实践背景 . 182
10.1.1 智慧医疗：患者数据获取、知识发现和远程服务模式 . 182
10.1.2 医疗数据隐私保护 184
10.2 技术梳理 . 186
10.2.1 联盟区块链医疗数据管理 . 186
10.2.2 云原生软件开发 190
10.3 实践案例：基于联盟区块链的医疗数据隐私保护方案 193
10.3.1 总体框架设计 193
10.3.2 基础环境部署 193
10.3.3 功能实现 . 196
10.4 本章小结 . 199
参考资源 200
第11 章 智慧交通场景下的边缘智能实践
11.1 实践背景 201
11.1.1 智慧交通：“云- 边- 端”架构下“人- 车- 路”协同 201
11.1.2 计算机视觉 . 205
11.2 技术梳理 207
11.2.1 车牌识别 . 207
11.2.2 智慧交通应用系统设计 . 209
11.3 实践案例：基于计算机视觉的智慧交通应用系统实现 212
11.3.1 基础环境搭建 212
11.3.2 功能实现 . 214
11.4 本章小结 219
参考资源 219
第12 章 开源平台
12.1 面向终端的边缘智能开源平台 . 220
12.1.1 EdgeX Foundry：工业场景标准化智能框架 220
12.1.2 Fledge：独立开放互操作智能框架 221
12.1.3 ioFog：Eclipse 开发的边缘智能平台 . 223
12.1.4 Edgent：Apache 开源的边缘智能模型 . 224
12.2 面向边端的边缘智能开源平台 . 225
12.2.1 Akraino Edge Stack：高性能边端服务框架 . 225
12.2.2 CORD：灵活重构的网络边缘基础设施 . 226
12.2.3 StarlingX：面向边缘智能的OpenStack 集成平台 . 227
12.3 面向“云- 边- 端”协同的边缘智能开源平台 . 229
12.3.1 OpenEdge：百度云计算能力的智能拓展 . 229
12.3.2 Azure IoT Edge：微软云边混合智能框架 230
12.3.3 KubeEdge：CNCF 云原生服务的边缘智能基础设施 231
12.3.4 Link Edge：阿里云一体化协同计算体系 . 231
12.3.5 IEF：华为云企业级边缘智能服务 . 232
12.4 本章小结 . 234
参考资源 234
参考文献