可穿戴设备是现在比较热门的方向,其种类和功能也日新月异。日常生活中可以使用智能手环、手表进行体征监测,军事上可以使用智能头盔和智能眼镜进行目标检测、虚拟现实等功能,这些功能计算复杂度高,会给穿戴设备的续航能力和用户体验带来挑战。如果能有其它平台协同穿戴设备进行计算,减少穿戴设备的计算量,将改善穿戴设备的性能。云计算平台因为采用集中式的处理模型,服务的设备数量多且与用户距离远,产生的网络延迟将很难满足穿戴设备上应用的时延限制要求。边缘计算技术的兴起,云计算的计算能力可以下放到网络边缘靠近用户的边缘服务器上,边缘服务器可以通过计算卸载技术与穿戴设备进行协同计算,为穿戴设备上计算复杂度高的应用提供服务。本文首先对平台的应用场景、功能需求和卸载需求进行分析,确定了将边缘计算中的计算卸载技术应用于班组协同搜索的穿戴场景。基于对现有计算卸载机制的分析,建立了基于Docker容器的计算卸载机制,并实现了计算卸载机制与边缘计算开源平台的结合。该卸载机制在移动端和边缘端均部署卸载决策模块,移动端卸载决策模块解决的是基于穿戴应用的能耗与时间模型、网络状态、边缘服务器负载信息,判断应用是否可卸载的问题,边缘端卸载决策模块基于边缘服务器有限的计算和通信资源,通过贪心算法和数学优化方法解决了不同卸载应用的应用调度问题和不同容器应用服务的资源动态分配问题。然后基于建立的计算卸载机制,搭建了真实的边缘计算卸载平台。首先设计了移动端和边缘端基于MQTT和HTTP的组合通信方式,这种方式可以将卸载请求消息与应用执行数据分开传输。移动端主要用于发起应用卸载请求,在边缘端设计了镜像管理模块、容器管理模块、资源管理模块和数据管理模块。最后基于场景中四个穿戴应用动作识别、人脸检测、目标检测及数据融合,对平台的功能、卸载决策及性能进行了测试,实验结果表明针对班组协同搜索的穿戴场景,边缘计算卸载平台设计的有效性。