發現好像都沒有和大家說過我們完整的專題內容XD

專題動機

在高端零售（像貴婦超市）中，我們常談「會員制行銷」——但傳統作法仰賴會員卡或手機 App。
我想挑戰一件事：

「讓 AI 看到顧客的臉，就知道他是誰，並推送最懂他的廣告。」

這就是本專題的核心：
人臉識別 × 消費行為 × 生成式廣告

系統架構概覽

整體流程

1. ESP32-CAM：在店門口或商品區擷取顧客影像。
2. Amazon Rekognition：
   • 使用 private collection 儲存熟客臉部特徵。
   • 透過 SearchFacesByImage API 辨識是否為既有會員。
3. GCP VM（Flask App）：
   • 接收辨識結果。
   • 查詢 SQLite 資料庫中的歷史消費紀錄。
   • 呼叫 Gemini 生成式模型產生專屬廣告文案與圖片。
4. Web 前端（Jinja2 模板）：
   • 將個人化廣告呈現在店內螢幕上。

實作重點程式段落

1️⃣ ESP32-CAM 上傳影像

使用 Arduino 內建 HTTP POST，每 10 秒拍一張圖上傳至 Flask API：

#include <WiFi.h>
#include <WiFiClient.h>
#include <HTTPClient.h>

void loop() {
  camera_fb_t *fb = esp_camera_fb_get();
  if (!fb) {
    Serial.println("Camera capture failed");
    return;
  }

  WiFiClient client;
  HTTPClient http;
  http.begin(client, "http://<GCP_VM_IP>:8000/upload_face");
  http.addHeader("Content-Type", "image/jpeg");
  int res = http.POST(fb->buf, fb->len);

  if (res > 0) {
    Serial.printf("HTTP Response: %d\n", res);
  } else {
    Serial.println("Upload failed");
  }

  http.end();
  esp_camera_fb_return(fb);
  delay(10000); // 每10秒上傳一次
}

2️⃣ Flask 後端接收

@app.route('/upload_face', methods=['POST'])
def upload_face():
    image_bytes = request.data
    rekog = boto3.client('rekognition')
    result = rekog.search_faces_by_image(
        CollectionId='retail-vip',
        Image={'Bytes': image_bytes},
        MaxFaces=1
    )
    # 找到 member_id 後查詢資料庫

3️⃣ Rekognition 資料儲存策略

人臉特徵（FaceEmbedding）儲存在 Rekognition 的私有 Collection 中。
Amazon 會自動以向量形式編碼臉部特徵，開發者只需記錄 ExternalImageId（對應會員編號）。

rekog.index_faces(
    CollectionId='retail-vip',
    Image={'Bytes': image_bytes},
    ExternalImageId='MEM00123ABC',
    DetectionAttributes=['DEFAULT']
)

✅ 儲存的是臉部特徵（embedding），不是照片本身，
提升隱私與資料安全性。

技術挑戰與突破

架構圖（可視化概念）

+-------------+         +--------------------+         +-----------------------+
|  ESP32-CAM  | ----->  |  Flask App on GCP  | ----->  |  Amazon Rekognition   |
|  拍照上傳   |         |  接收影像 & 查DB   |         |  比對人臉 & 回傳ID   |
+-------------+         +--------------------+         +-----------------------+
        |                           |
        |                           v
        |                   Gemini 生成廣告內容
        |                           |
        |                           v
        +------------------>  Dashboard/廣告螢幕顯示

小結

我們介紹了從攝影機拍照 → 雲端辨識 → 返回會員 ID 的流程。
接下來，Day 21 我會拆解它的「雲端運算成本」與「可商業化設計」，
讓你知道這套系統不但酷，而且便宜得驚人 💰。