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。
(1)秉承“云-边-端”多领域技术综合集成框架；
(2)通过源自落地应用的场景赋予理论更多温度；
(3)真正形成感性认识-理性认识-实践认识的闭合学习回路。
随着新一代信息技术的发展，边缘智能已成为“智能+”的新风口。对于这个新概念，你可能既熟悉又陌生，会冒出一系列的问题：何为边缘智能，它与边缘计算什么关系，又与5G通信什么关系，云计算时代过去了吗，人工智能是如何演进为边缘智能的？通过本书的讲解，可以寻找到这些问题的答案。
本书的基本定位为“前瞻引领、体系创新”，重点在于梳理边缘智能的发展脉络，深入浅出地讲解何为边缘智能，在厘清概念范畴基础上探讨其关键技术和研究进展，并分享落地实践经验。
特色与亮点
（1）广度与深度的平衡
边缘智能是大数据、云计算、人工智能、智能芯片、边缘计算、联邦学习、区块链、5G通信等新一代信息技术大融合、大发展的产物，是面向“云-边-端”多领域技术综合集成的体系框架。因此，本书在理论的广度上，讲解了边缘智能的体系架构、数据、模型、资源；在实践的广度上，分析了智能安防、智慧电梯、智慧社区、智慧医疗、智慧交通等领域的应用及设计构想。同时，本书在理论的深度上，以开源平台资源为支撑，以“云-边-端”为框架，讲解了边缘智能中协同、信任、安全、优化等重要问题及解决方法；在实践的深度上，以危险物品检测、智能语音识别、垃圾图像分类、医疗数据管理、智慧交通应用系统等实践案例为核心支撑，进而避免了“程序简单初级、内容枯燥陈旧”的低级套路。
（2）理论与实践的结合
边缘智能是理论与实践深度结合的产物。没有新一代信息技术的发展，边缘智能体系就是“无源之水，无本之木”。因此，本书按照边缘智能的“云-边-端”框架，将边缘智能的理论学习与实践应用结合，并赋予相应的应用场景，尤其，将轻量级神经网络与危险物品检测结合、智能硬件模块与语音识别结合、基于联邦学
文前.indd 1 2021-4-7 8:08:25
ii 边缘智能：关键技术与落地实践
习的计算机视觉与垃圾图像分类结合、联盟区块链与医疗数据管理结合、边缘智能
与智慧交通应用系统结合，进而让理论指导实践，并让实践赋予理论更多的温度。
（3）开源与创新的支撑
开放的开源技术让普适价值回归到每一个人身边，是推动科技和产业革命的不
竭动力，更是边缘智能技术体系“百花齐放”的真实写照。因此，本书所涉及程序
均已在Github 上开源，以期为人工智能技术的开源与知识共享传播贡献一份力量。
此外，创新是科技进步的源泉，也是技术发展的不竭动力。本书的部分理论思考及
实践案例是团队多年参加竞赛、学术交流、发明专利等创新成果的积累，也是本书
在内涵上的重要特色。
学习建议与本书知识框架
希望通过本书的学习，读者可以从系统工程的角度对边缘智能体系进行思考，
尤其重点理解如下观点：
边缘智能的关键是协同，重点是联合，具体为：架构的协同、数据的联合、模
型的联合与资源的联合。
关于这句话的理解，可以将这一观点放在新一代信息技术发展的大背景下，从
算法、算力、数据、网络、安全等角度对边缘智能发展的推动作用去思考，即可获
得其中“真意”。
具体讲，架构的协同是基于“ 云- 边- 端” 进行统一的架构设计，即将云端
服务、边端资源、终端能力进行通盘考虑，进而为边缘智能的发展提供架构供体
系支撑；数据的联合是对多源跨域异构数据进行深度安全可信的融合，进而打破各
类约束条件下的“ 数据孤岛”，为边缘智能发展提供充足的数据支撑；模型的联合
是面向“ 云- 边- 端” 一体化架构在分布式、集中式、混合式部署模式下的具体化呈
现，是实现高性能人工智能推理、训练的重要方式；资源的联合是整合“ 云- 边- 端”
所涉及网络通信、计算、存储等资源的重要途经，是促进边缘智能高效落地应用的
重要保障。
此外，本书各章节从知识前沿、领域关注、理论深度、具体案例等角度分别设
计了相应的思维拓展模块题，可以启发读者研究思路。在参考资源部分，整理了大
文前.indd 2 2021-4-7 8:08:25
前言iii
量开源代码资料，以期帮助读者提高动手实践能力。在参考文献部分，梳理了大量
权威中文期刊、研究报告的公开资源，以期辅助相关研究的深入展开。
最后，纸上得来终觉浅，绝知此事要躬行，想要深入理解边缘智能，还需读者
自己动手去进行理论推导、编程实践和实际应用，方可真正形成基于感性认识→理
性认识→实践认识的闭合学习回路。
预期读者
（1）新一代信息技术初学者
边缘智能所涉及技术体系庞大，知识点繁多；同时，可选用资源又过度丰富，
初学者容易无从下手。希望通过本书学习，初学者可以厘清知识脉络，找到适合自
己的技术学习和发展路线。
（2）程序开发者
技术的生命在于应用转化，尤其在计算机科学领域，没有落地应用，技术很难
文前.indd 3 2021-4-7 8:08:26
iv 边缘智能：关键技术与落地实践
有长远持续的发展。因此，希望本书中的实战案例讲解，对于具有一定开发基础的
程序员、工程师，可以辅助其获得思路上的启发和实际应用场景的共鸣，为其所写
代码赋予“ 有场景” 的生命力，促进其对实际问题场景创造性地程序化描述，进而
推动新一代信息技术的发展。
（3）前沿科技爱好者
开源是人工智能发展的必经之路，希望本书可为前沿科技爱好者提供共享技术、
共享理念的交流平台，对开源社区建设、边缘智能知识的普及起到一定推动作用。
勘误与交流
由于作者水平有限，编著时间仓促，书中纰漏在所难免，恳请读者多提宝贵意
见，批评指正，以促提高。
相关问题可以发团队邮箱：15891741749@139.com，本书源代码可以通过封底
上方的二维码和下载链接获取使用；除此之外，为了保证读者获取配套资源的顺畅
度，特制作了以下的备份链接，以备不时之需。
链接：https://pan.baidu.com/s/1eeCa5cM5waQbYtWE5RD_eA
提取码：him0
售后服务QQ：3099797600
再次感谢您的反馈与交流。
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。
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
书单推荐
