基于邊緣計算這一新型的計算模式，邊緣智能在更加靠近用戶和數(shù)據(jù)源頭的網(wǎng)絡邊緣側訓練和部署深度學習模型，從而改善應用的性能、成本和隱私性。本書以深入淺出的方式，講解邊緣智能體系架構和關鍵技術，從時代宏觀背景引領到關鍵支撐技術細節(jié)剖析，再到落地實戰(zhàn)應用，理論與實踐并重，循序漸進，博采而精取，分別向讀者清晰地展現(xiàn)了邊緣智能的“云-邊-端”體系架構、數(shù)據(jù)與信任、模型與安全、資源與優(yōu)化的技術脈絡與方法原理。同時，結合開源平臺資源，按照智能安防、智慧電梯、智慧社區(qū)、智慧醫(yī)療、智慧交通等具體應用場景，給出所講述理論的落地應用案例和編程開發(fā)指導，旨在平衡知識的深度與廣度，明確入門與進階路徑，使讀者更加深入全面地理解邊緣智能理論及實踐方法。
(1)秉承“云-邊-端”多領域技術綜合集成框架；
(2)通過源自落地應用的場景賦予理論更多溫度；
(3)真正形成感性認識-理性認識-實踐認識的閉合學習回路。
隨著新一代信息技術的發(fā)展，邊緣智能已成為“智能+”的新風口。對于這個新概念，你可能既熟悉又陌生，會冒出一系列的問題：何為邊緣智能，它與邊緣計算什么關系，又與5G通信什么關系，云計算時代過去了嗎，人工智能是如何演進為邊緣智能的？通過本書的講解，可以尋找到這些問題的答案。
本書的基本定位為“前瞻引領、體系創(chuàng)新”，重點在于梳理邊緣智能的發(fā)展脈絡，深入淺出地講解何為邊緣智能，在厘清概念范疇基礎上探討其關鍵技術和研究進展，并分享落地實踐經驗。
特色與亮點
（1）廣度與深度的平衡
邊緣智能是大數(shù)據(jù)、云計算、人工智能、智能芯片、邊緣計算、聯(lián)邦學習、區(qū)塊鏈、5G通信等新一代信息技術大融合、大發(fā)展的產物，是面向“云-邊-端”多領域技術綜合集成的體系框架。因此，本書在理論的廣度上，講解了邊緣智能的體系架構、數(shù)據(jù)、模型、資源；在實踐的廣度上，分析了智能安防、智慧電梯、智慧社區(qū)、智慧醫(yī)療、智慧交通等領域的應用及設計構想。同時，本書在理論的深度上，以開源平臺資源為支撐，以“云-邊-端”為框架，講解了邊緣智能中協(xié)同、信任、安全、優(yōu)化等重要問題及解決方法；在實踐的深度上，以危險物品檢測、智能語音識別、垃圾圖像分類、醫(yī)療數(shù)據(jù)管理、智慧交通應用系統(tǒng)等實踐案例為核心支撐，進而避免了“程序簡單初級、內容枯燥陳舊”的低級套路。
（2）理論與實踐的結合
邊緣智能是理論與實踐深度結合的產物。沒有新一代信息技術的發(fā)展，邊緣智能體系就是“無源之水，無本之木”。因此，本書按照邊緣智能的“云-邊-端”框架，將邊緣智能的理論學習與實踐應用結合，并賦予相應的應用場景，尤其，將輕量級神經網(wǎng)絡與危險物品檢測結合、智能硬件模塊與語音識別結合、基于聯(lián)邦學
文前.indd 1 2021-4-7 8:08:25
ii 邊緣智能：關鍵技術與落地實踐
習的計算機視覺與垃圾圖像分類結合、聯(lián)盟區(qū)塊鏈與醫(yī)療數(shù)據(jù)管理結合、邊緣智能
與智慧交通應用系統(tǒng)結合，進而讓理論指導實踐，并讓實踐賦予理論更多的溫度。
（3）開源與創(chuàng)新的支撐
開放的開源技術讓普適價值回歸到每一個人身邊，是推動科技和產業(yè)革命的不
竭動力，更是邊緣智能技術體系“百花齊放”的真實寫照。因此，本書所涉及程序
均已在Github 上開源，以期為人工智能技術的開源與知識共享傳播貢獻一份力量。
此外，創(chuàng)新是科技進步的源泉，也是技術發(fā)展的不竭動力。本書的部分理論思考及
實踐案例是團隊多年參加競賽、學術交流、發(fā)明專利等創(chuàng)新成果的積累，也是本書
在內涵上的重要特色。
學習建議與本書知識框架
希望通過本書的學習，讀者可以從系統(tǒng)工程的角度對邊緣智能體系進行思考，
尤其重點理解如下觀點：
邊緣智能的關鍵是協(xié)同，重點是聯(lián)合，具體為：架構的協(xié)同、數(shù)據(jù)的聯(lián)合、模
型的聯(lián)合與資源的聯(lián)合。
關于這句話的理解，可以將這一觀點放在新一代信息技術發(fā)展的大背景下，從
算法、算力、數(shù)據(jù)、網(wǎng)絡、安全等角度對邊緣智能發(fā)展的推動作用去思考，即可獲
得其中“真意”。
具體講，架構的協(xié)同是基于“ 云- 邊- 端” 進行統(tǒng)一的架構設計，即將云端
服務、邊端資源、終端能力進行通盤考慮，進而為邊緣智能的發(fā)展提供架構供體
系支撐；數(shù)據(jù)的聯(lián)合是對多源跨域異構數(shù)據(jù)進行深度安全可信的融合，進而打破各
類約束條件下的“ 數(shù)據(jù)孤島”，為邊緣智能發(fā)展提供充足的數(shù)據(jù)支撐；模型的聯(lián)合
是面向“ 云- 邊- 端” 一體化架構在分布式、集中式、混合式部署模式下的具體化呈
現(xiàn)，是實現(xiàn)高性能人工智能推理、訓練的重要方式；資源的聯(lián)合是整合“ 云- 邊- 端”
所涉及網(wǎng)絡通信、計算、存儲等資源的重要途經，是促進邊緣智能高效落地應用的
重要保障。
此外，本書各章節(jié)從知識前沿、領域關注、理論深度、具體案例等角度分別設
計了相應的思維拓展模塊題，可以啟發(fā)讀者研究思路。在參考資源部分，整理了大
文前.indd 2 2021-4-7 8:08:25
前言iii
量開源代碼資料，以期幫助讀者提高動手實踐能力。在參考文獻部分，梳理了大量
權威中文期刊、研究報告的公開資源，以期輔助相關研究的深入展開。
最后，紙上得來終覺淺，絕知此事要躬行，想要深入理解邊緣智能，還需讀者
自己動手去進行理論推導、編程實踐和實際應用，方可真正形成基于感性認識→理
性認識→實踐認識的閉合學習回路。
預期讀者
（1）新一代信息技術初學者
邊緣智能所涉及技術體系龐大，知識點繁多；同時，可選用資源又過度豐富，
初學者容易無從下手。希望通過本書學習，初學者可以厘清知識脈絡，找到適合自
己的技術學習和發(fā)展路線。
（2）程序開發(fā)者
技術的生命在于應用轉化，尤其在計算機科學領域，沒有落地應用，技術很難
文前.indd 3 2021-4-7 8:08:26
iv 邊緣智能：關鍵技術與落地實踐
有長遠持續(xù)的發(fā)展。因此，希望本書中的實戰(zhàn)案例講解，對于具有一定開發(fā)基礎的
程序員、工程師，可以輔助其獲得思路上的啟發(fā)和實際應用場景的共鳴，為其所寫
代碼賦予“ 有場景” 的生命力，促進其對實際問題場景創(chuàng)造性地程序化描述，進而
推動新一代信息技術的發(fā)展。
（3）前沿科技愛好者
開源是人工智能發(fā)展的必經之路，希望本書可為前沿科技愛好者提供共享技術、
共享理念的交流平臺，對開源社區(qū)建設、邊緣智能知識的普及起到一定推動作用。
勘誤與交流
由于作者水平有限，編著時間倉促，書中紕漏在所難免，懇請讀者多提寶貴意
見，批評指正，以促提高。
相關問題可以發(fā)團隊郵箱：15891741749@139.com，本書源代碼可以通過封底
上方的二維碼和下載鏈接獲取使用；除此之外，為了保證讀者獲取配套資源的順暢
度，特制作了以下的備份鏈接，以備不時之需。
鏈接：https://pan.baidu.com/s/1eeCa5cM5waQbYtWE5RD_eA
提取碼：him0
售后服務QQ：3099797600
再次感謝您的反饋與交流。
高志強，軍隊指揮學武警信息化研究方向博士，畢業(yè)于中國人民武裝警察部隊工程大學，武警部隊首屆軍事大數(shù)據(jù)工程專業(yè)籌備組成員。作為骨干成員參與研制多項武警部隊信息化裝備及平臺系統(tǒng)，參與國家自然科學基金2項、陜西省自然科學基金1項。主要研究方向：深度學習、大數(shù)據(jù)與智能計算、面向大數(shù)據(jù)開放與治理的差分隱私保護數(shù)據(jù)發(fā)布關鍵技術研究及應用、粒子群優(yōu)化算法等。魯曉陽，軍事學學士，主要研究領域為信息安全中的信息隱藏技術，參與多項國家和軍隊級科研項目，出版人工智能領域專著2部，發(fā)表學術論文十余篇。張榮榮，陜西師范大學軟件工程學士，西南大學計算機應用技術碩士，研究方向為人工智能與模式識別，發(fā)表學術論文十余篇，獲得軟件著作權5項，國家發(fā)明專利2項。
第1章 邊緣智能：“智能+”的新風口
1.1 邊緣智能產生的“大背景” .1
1.1.1 新一代信息技術的推動發(fā)展 .1
1.1.2 國家政策的支持和引導 6
1.1.3 資本與業(yè)務需求的推動 7
1.2 身邊的邊緣智能“小案例” .8
1.2.1 京東快遞與菜鳥驛站 8
1.2.2 智能快遞柜收費“風波” .10
1.3 邊緣智能發(fā)展的三大階段 .12
1.3.1 第一階段：邊緣智能探索 .12
1.3.2 第二階段：“智能+”邊緣 .12
1.3.3 第三階段：邊緣智能體系 .13
1.4 站在“智能+”的新風口 14
1.4.1 “智能+”技術的新融合 .14
1.4.2 應用行業(yè)的多維度 15
1.4.3 新興市場的大繁榮 16
1.5 本章小結 .17
第2章 何為邊緣智能
2.1 邊緣智能的定義 18
2.2 邊緣智能的前世今生 19
2.2.1 網(wǎng)絡通信角度的演進 20
2.2.2 計算服務角度的演進 23
2.2.3 “智能+”角度的演進 .27
2.3 邊緣智能面臨的挑戰(zhàn)及研究方向 30
2.3.1 面臨的挑戰(zhàn)：安全、智能應用和優(yōu)化 30
2.3.2．研究方向：安全、智能、協(xié)同、優(yōu)化 32
2.4 邊緣智能的重要應用場景 .35
2.4.1 無人駕駛 .35
文前.indd 1 2021-4-7 8:08:26
ii 邊緣智能：關鍵技術與落地實踐
2.4.2 智能安防 . 36
2.4.3 智能家居 . 37
2.4.4 工業(yè)機器人 . 38
2.5 本章小結 . 40
第3 章 “云- 邊- 端”體系架構
3.1 系統(tǒng)工程方法論 41
3.1.1 系統(tǒng)工程概述 . 41
3.1.2 基本方法 . 42
3.2 體系架構模型 44
3.2.1 概念框架 . 44
3.2.2 層次結構 . 46
3.3 協(xié)同模式 . 47
3.3.1 “云- 邊”協(xié)同 48
3.3.2 “邊- 邊”協(xié)同 49
3.3.3 “邊- 端”協(xié)同 50
3.3.4 “云- 邊- 端”協(xié)同 50
3.4 度量指標 . 51
3.5 前沿方向 . 54
3.5.1 “云- 邊- 端”區(qū)塊鏈 54
3.5.2 邊緣云原生容器服務 56
3.5.3 “云- 邊- 端”一體化機器人系統(tǒng) . 57
3.6 本章小結 . 59
第4 章 邊緣智能中的數(shù)據(jù)與信任
4.1 區(qū)塊鏈技術概述 61
4.1.1 基礎架構 . 61
4.1.2 重要組件 . 64
4.1.3 主流開源技術 . 68
4.2 數(shù)據(jù)管理與隱私保護 70
4.2.1 數(shù)據(jù)管理架構 . 70
4.2.2 隱私保護 . 72
4.3 邊緣智能中的信任 74
4.3.1 信任的基本概念 74
4.3.2 信任管理 . 76
4.4 解決方案 . 78
4.4.1 服務模式層面的解決方案 . 78
4.4.2 部署方式層面的解決方案 . 79
4.5 前沿方向 . 80
4.5.1 面向資源受限環(huán)境的性能擴展 . 80
4.5.2 跨域的分布式信任 80
4.5.3 智能應用與隱私保護的平衡 . 81
4.6 本章小結 . 81
第5 章 邊緣智能中的模型與安全
5.1 模型壓縮 . 83
5.1.1 深度神經網(wǎng)絡基礎 83
5.1.2 模型壓縮方法 . 86
5.1.3 模型壓縮工具框架 90
5.2 聯(lián)邦學習 . 93
5.2.1 基本概念 . 93
5.2.2 安全性分析 . 97
5.3 解決方案 . 100
5.3.1 百度聯(lián)邦學習框架PaddleFL 100
5.3.2 微眾銀行聯(lián)邦學習框架FATE . 100
5.3.3 騰訊聯(lián)邦學習框架AngelFL . 101
5.3.4 平安科技聯(lián)邦學習平臺“蜂巢” . 101
5.4 前沿方向 . 102
5.4.1 面向“云- 邊- 端”應用的模型壓縮 102
5.4.2 面向邊緣智能的聯(lián)邦學習 . 103
5.5 本章小結 . 104
第6 章 邊緣智能中的資源與優(yōu)化
6.1 計算卸載 . 106
6.1.1 基本流程 . 106
6.1.2 運行機制 . 108
6.1.3 策略分類 . 109
6.2 資源分配優(yōu)化 111
6.2.1 最優(yōu)化理論基礎 112
6.2.2 馬爾可夫決策過程 112
6.2.3 深度強化學習 . 113
6.2.4 資源分配優(yōu)化問題建模 115
6.3 解決方案 . 118
6.3.1 面向不可分割任務的計算卸載方案 . 118
6.3.2 面向可分割任務的協(xié)同計算卸載方案 118
6.3.3 多節(jié)點資源分配方案 120
6.4 前沿方向 . 122
6.4.1 新型計算卸載策略 122
6.4.2 “云- 邊- 端”高效的資源分配優(yōu)化模型 123
6.4.3 數(shù)據(jù)安全協(xié)同模式解決安全性問題 . 123
6.5 本章小結 . 124
第7 章 智能安防場景下的邊緣智能實踐
7.1 實踐背景 . 125
7.1.1 智能安防的發(fā)展、挑戰(zhàn)和新要求 . 125
7.1.2 危險物品檢測 . 129
7.2 技術梳理 . 130
7.2.1 視覺目標檢測 . 130
7.2.2 輕量級卷積神經網(wǎng)絡 132
7.3 實踐案例：基于Jetson Nano 的槍支檢測 134
7.3.1 基礎環(huán)境準備 . 134
7.3.2 數(shù)據(jù)集準備 . 136
7.3.3 模型訓練 . 138
7.3.4 測試部署 . 139
7.4 本章小結 . 140
參考資源 141
第8 章 智慧電梯場景下的邊緣智能實踐
8.1 實踐背景 . 142
8.1.1 智慧電梯：無接觸式交互的“垂直出行” 142
8.1.2 智能語音：人機交互的“私人助手” 144
8.2 技術梳理 . 146
8.2.1 語音識別：人工智能關鍵步驟 . 146
8.2.2 智慧電梯語音指令識別流程 . 152
8.3 實踐案例：基于深度神經網(wǎng)絡的通用電梯語言指令識別 . 153
8.3.1 基礎環(huán)境與數(shù)據(jù)集構建 153
8.3.2 模型設計與訓練 154
8.3.3 性能測試 . 156
8.4 實踐案例：基于樹莓派的可編程電梯語音識別 . 157
8.4.1 基礎環(huán)境 . 157
8.4.2 GPIO 編程 . 157
8.4.3 部署測試 . 160
8.5 本章小結 . 161
參考資源 161
第9 章 智慧社區(qū)場景下的邊緣智能實踐
9.1 實戰(zhàn)背景 . 163
9.1.1 智慧社區(qū)：民生的智慧“生活圈” . 163
9.1.2 社區(qū)中生活垃圾分類 166
9.2 技術梳理 . 168
9.2.1 垃圾圖像分類 . 168
9.2.2 聯(lián)邦學習 . 171
9.3 實踐案例：基于聯(lián)邦學習的垃圾圖像分類 174
9.3.1 基礎環(huán)境：FATE 174
9.3.2 數(shù)據(jù)集構建 . 176
9.3.3 模型構建 . 177
9.3.4 訓練與測試結果 179
9.4 本章小結 . 180
參考資源 181
第10 章 智慧醫(yī)療場景下的邊緣智能實踐
10.1 實踐背景 . 182
10.1.1 智慧醫(yī)療：患者數(shù)據(jù)獲取、知識發(fā)現(xiàn)和遠程服務模式 . 182
10.1.2 醫(yī)療數(shù)據(jù)隱私保護 184
10.2 技術梳理 . 186
10.2.1 聯(lián)盟區(qū)塊鏈醫(yī)療數(shù)據(jù)管理 . 186
10.2.2 云原生軟件開發(fā) 190
10.3 實踐案例：基于聯(lián)盟區(qū)塊鏈的醫(yī)療數(shù)據(jù)隱私保護方案 193
10.3.1 總體框架設計 193
10.3.2 基礎環(huán)境部署 193
10.3.3 功能實現(xiàn) . 196
10.4 本章小結 . 199
參考資源 200
第11 章 智慧交通場景下的邊緣智能實踐
11.1 實踐背景 201
11.1.1 智慧交通：“云- 邊- 端”架構下“人- 車- 路”協(xié)同 201
11.1.2 計算機視覺 . 205
11.2 技術梳理 207
11.2.1 車牌識別 . 207
11.2.2 智慧交通應用系統(tǒng)設計 . 209
11.3 實踐案例：基于計算機視覺的智慧交通應用系統(tǒng)實現(xiàn) 212
11.3.1 基礎環(huán)境搭建 212
11.3.2 功能實現(xiàn) . 214
11.4 本章小結 219
參考資源 219
第12 章 開源平臺
12.1 面向終端的邊緣智能開源平臺 . 220
12.1.1 EdgeX Foundry：工業(yè)場景標準化智能框架 220
12.1.2 Fledge：獨立開放互操作智能框架 221
12.1.3 ioFog：Eclipse 開發(fā)的邊緣智能平臺 . 223
12.1.4 Edgent：Apache 開源的邊緣智能模型 . 224
12.2 面向邊端的邊緣智能開源平臺 . 225
12.2.1 Akraino Edge Stack：高性能邊端服務框架 . 225
12.2.2 CORD：靈活重構的網(wǎng)絡邊緣基礎設施 . 226
12.2.3 StarlingX：面向邊緣智能的OpenStack 集成平臺 . 227
12.3 面向“云- 邊- 端”協(xié)同的邊緣智能開源平臺 . 229
12.3.1 OpenEdge：百度云計算能力的智能拓展 . 229
12.3.2 Azure IoT Edge：微軟云邊混合智能框架 230
12.3.3 KubeEdge：CNCF 云原生服務的邊緣智能基礎設施 231
12.3.4 Link Edge：阿里云一體化協(xié)同計算體系 . 231
12.3.5 IEF：華為云企業(yè)級邊緣智能服務 . 232
12.4 本章小結 . 234
參考資源 234
參考文獻
書單推薦
