やってみたいけどまだやっていない
プロジェクト棚上げ｜飲食店向け顔認証会員システム
Project: OmoteSan (仮) / 開始トリガー：いつでも / 文書バージョン: 1.0 / 2026-04-26
プロジェクトの目的（一行）
VISION
個店でも、高級ホテルのコンシェルジュレベルの「私のこと覚えてくれてる感」を、月¥30,000で実現する。
背景
- ドンマンジョーネ案件で「どんまーパス」サブスクを設計中（2026年4月）
- みーきゅんが「顔認証で前回注文を覚えて『いつものハイボール濃いめでいいですか？』と聞ける店」発想を提示
- 「人間の店員が言うから価値がある」「AIアバターは却下」「顔認証は会員カード代わり＋ポイント連動」と方針確定
- ドンマンジョーネ実装が成功すれば、そのまま個店向けSaaS事業として展開可能と判断
- 本ドキュメントは、後日プロジェクトを着手する際の起動ファイルとして保管
3つの選択肢（着手時に決定）
| 選択肢 | 規模 | 初期コスト | 収益見込 | リスク |
|---|---|---|---|---|
| A. 単店専用 ドンマンジョーネのみ運用 |
1店舗 | ¥10,000程度 | 店から¥600,000+月¥30,000 | 最小 |
| B. 地域SaaS 千種区・名古屋市内10-50店 |
10-50店舗 | ¥500,000程度 | 月¥300,000-¥1,500,000 | 中 |
| C. 全国SaaS化 OmoteSan独立事業化 |
100-1,000店舗 | ¥3,000,000-¥10,000,000 | 年¥3.5億〜 | 大 |
推奨開始順序
A → ドンマンジョーネで実証 → 千種区他店から問い合わせ来たらB → さらに伸びたらC。
本ドキュメントは「Aの実装手順」を中心にまとめる。後でB/Cに昇格する設計を意識。
本ドキュメントは「Aの実装手順」を中心にまとめる。後でB/Cに昇格する設計を意識。
技術スタック（決定済み）
| レイヤ | 採用技術 | 理由 |
|---|---|---|
| 顔検出 | MediaPipe Face Detection | Google製、軽量、リアルタイム可 |
| 顔認証 | face_recognition (dlib + FaceNet) | OSS定番、精度98-99%、Python1行で使える |
| ベクトルDB | Faiss or pgvector | 100名なら全件比較でも数ms、Faissで余裕 |
| API | FastAPI (既存) | katuocloud基盤に追加、認証も既存活用 |
| 会員DB | MariaDB (既存) + 専用テーブル | 既存のmikyun_cloudスキーマを拡張 |
| リアルタイム通知 | WebSocket + LINE Bot (既存) | 店員iPadへ即時表示・お客様LINE通知 |
| 店員UI | Web (HTML + Tailwind) | iPadのSafariで開くだけ、アプリ不要 |
| カメラ | Logitech C920（USBカメラ） | ¥8,000、Linuxドライバ標準対応 |
| サーバー | R640 (既存) + 店舗用Raspberry Pi 5 | 店舗ローカル処理＋クラウド同期 |
注意
顔認証エンジンは 店舗ローカルのRaspberry Pi 5で動かす のが正解（プライバシー＋低レイテンシ）。
クラウド（R640）には 顔特徴量ベクトル（数値）と会員IDのみ同期。顔写真自体は店舗外に出さない。
クラウド（R640）には 顔特徴量ベクトル（数値）と会員IDのみ同期。顔写真自体は店舗外に出さない。
アーキテクチャ図
┌─────────────────────── 店舗 ───────────────────────┐
│ │
│ [ Logitech C920 ] │
│ │ USB │
│ ▼ │
│ [ Raspberry Pi 5 ] エッジ処理 │
│ ├ MediaPipe (顔検出) │
│ ├ face_recognition (特徴量抽出) │
│ ├ Faiss (ローカル会員DBで比較) │
│ └ WebSocket送信 │
│ │ Wi-Fi (店内LAN) │
│ ▼ │
│ [ 店員iPad ] Web画面 │
│ 「3番テーブル：山田様、前回ラグー、 │
│ ハイボール濃いめ。本日のオススメ： │
│ アクアパッツァ ¥1,680」 │
│ │
└─────────────────────────────────────────────────────┘
│
│ WireGuard VPN
▼
┌──── R640 (katuocloud / クラウド) ────┐
│ │
│ [ FastAPI / mikyun-portal ] │
│ ├ /api/face/register │
│ ├ /api/face/match │
│ ├ /api/points/award │
│ └ /api/order/upsell-suggest │
│ │
│ [ MariaDB: mikyun_cloud ] │
│ ├ members (既存) │
│ ├ face_embeddings (新規) │
│ ├ visit_log (新規) │
│ ├ order_history (新規) │
│ └ points_ledger (新規) │
│ │
│ [ LINE Messaging API ] │
│ お客様への自動通知 │
│ │
└───────────────────────────────────────┘
DBスキーマ設計（追加分のみ）
-- 既存 members テーブルへの拡張
ALTER TABLE members
ADD COLUMN face_consent_at DATETIME NULL, -- 顔認証同意日時
ADD COLUMN face_consent_revoked_at DATETIME NULL, -- 撤回日時
ADD COLUMN total_points INT NOT NULL DEFAULT 0, -- 累計ポイント
ADD COLUMN available_points INT NOT NULL DEFAULT 0;-- 利用可能ポイント
-- 顔特徴量ベクトル（128次元 × float32 = 512バイト）
CREATE TABLE face_embeddings (
id BIGINT AUTO_INCREMENT PRIMARY KEY,
member_id BIGINT NOT NULL,
embedding BLOB NOT NULL, -- 128次元float32
reference_image_hash CHAR(64), -- 元画像のSHA256（トレース用）
enrolled_at DATETIME NOT NULL DEFAULT CURRENT_TIMESTAMP,
is_active TINYINT(1) NOT NULL DEFAULT 1,
FOREIGN KEY (member_id) REFERENCES members(id) ON DELETE CASCADE,
INDEX idx_member (member_id, is_active)
);
-- 来店ログ
CREATE TABLE visit_log (
id BIGINT AUTO_INCREMENT PRIMARY KEY,
member_id BIGINT NOT NULL,
store_id VARCHAR(32) NOT NULL, -- マルチ店舗対応
visited_at DATETIME NOT NULL DEFAULT CURRENT_TIMESTAMP,
recognition_method ENUM('face','qr','manual') DEFAULT 'face',
recognition_confidence FLOAT,
FOREIGN KEY (member_id) REFERENCES members(id),
INDEX idx_member_time (member_id, visited_at)
);
-- 注文履歴
CREATE TABLE order_history (
id BIGINT AUTO_INCREMENT PRIMARY KEY,
visit_id BIGINT NOT NULL,
member_id BIGINT NOT NULL,
item_name VARCHAR(128) NOT NULL,
item_category VARCHAR(32), -- pasta/risotto/drink/dessert等
price_yen INT NOT NULL,
notes TEXT, -- 「ハイボール濃いめ」等の好み
ordered_at DATETIME NOT NULL DEFAULT CURRENT_TIMESTAMP,
FOREIGN KEY (visit_id) REFERENCES visit_log(id) ON DELETE CASCADE,
INDEX idx_member (member_id, ordered_at)
);
-- ポイント台帳（増減すべて記録）
CREATE TABLE points_ledger (
id BIGINT AUTO_INCREMENT PRIMARY KEY,
member_id BIGINT NOT NULL,
points_delta INT NOT NULL, -- 正なら付与、負なら使用
reason ENUM('visit','redeem','expire','adjust'),
related_visit_id BIGINT NULL,
description VARCHAR(255),
occurred_at DATETIME NOT NULL DEFAULT CURRENT_TIMESTAMP,
FOREIGN KEY (member_id) REFERENCES members(id),
INDEX idx_member_time (member_id, occurred_at)
);
FastAPI エンドポイント設計
| メソッド | パス | 用途 | 認証 |
|---|---|---|---|
| /api/face/enroll | 会員の顔を新規登録（複数枚OK） | HTTP Basic（管理者） | |
| /api/face/match | 顔ベクトルを送信、最も近い会員を返す | 店舗API Key | |
| /api/members/{id}/profile | 来店時の会員情報＋過去注文＋好み | 店舗API Key | |
| /api/visits | 来店記録 + ポイント自動付与 | 店舗API Key | |
| /api/orders | 注文記録（ポイント付与の根拠） | 店舗API Key | |
| /api/points/redeem | ポイント引換 | 店舗API Key | |
| /api/upsell/{member_id} | 過去注文ベースのアップセル提案 | 店舗API Key | |
| /api/face/forget/{member_id} | 顔データの完全削除（退会・撤回） | HTTP Basic + 本人確認 |
認証設計
店舗側Raspberry PiからR640へのアクセスは WireGuard VPN内でのAPI Key認証。
管理画面への外部アクセスは既存の
管理画面への外部アクセスは既存の
/ui_admin のHTTP Basic認証を流用。
コードスケルトン（Python）
1. 顔登録エンドポイント
# app/routers/face.py
from fastapi import APIRouter, UploadFile, Depends, HTTPException
import face_recognition
import numpy as np
from .deps import get_db, require_admin
router = APIRouter(prefix="/api/face", tags=["face"])
@router.post("/enroll")
async def enroll_face(
member_id: int,
image: UploadFile,
db = Depends(get_db),
_admin = Depends(require_admin),
):
# 1. 同意確認
member = db.execute(
"SELECT face_consent_at FROM members WHERE id = %s",
(member_id,)
).fetchone()
if not member or not member['face_consent_at']:
raise HTTPException(403, "face_consent_required")
# 2. 画像から特徴量抽出
img = face_recognition.load_image_file(image.file)
encodings = face_recognition.face_encodings(img)
if len(encodings) != 1:
raise HTTPException(400, "face_must_be_exactly_one")
embedding = encodings[0].astype(np.float32).tobytes()
# 3. DB保存
db.execute(
"INSERT INTO face_embeddings (member_id, embedding) VALUES (%s, %s)",
(member_id, embedding)
)
db.commit()
return {"status": "enrolled", "member_id": member_id}
2. 顔認識エンドポイント（店舗からの問い合わせ）
# app/routers/face.py 続き
@router.post("/match")
async def match_face(
embedding_b64: str, # 店舗側で抽出済みの128次元ベクトル
db = Depends(get_db),
_api_key = Depends(require_store_key),
):
# 1. デコード
target = np.frombuffer(base64.b64decode(embedding_b64), dtype=np.float32)
# 2. 全アクティブ会員と比較
rows = db.execute("""
SELECT fe.member_id, fe.embedding, m.name, m.available_points
FROM face_embeddings fe
JOIN members m ON m.id = fe.member_id
WHERE fe.is_active = 1 AND m.face_consent_revoked_at IS NULL
""").fetchall()
best_match = None
best_distance = 1.0
for row in rows:
emb = np.frombuffer(row['embedding'], dtype=np.float32)
distance = np.linalg.norm(target - emb)
if distance < best_distance:
best_distance = distance
best_match = row
# 3. 閾値判定（0.5未満を一致とする）
if not best_match or best_distance >= 0.5:
return {"matched": False}
return {
"matched": True,
"member_id": best_match['member_id'],
"name": best_match['name'],
"confidence": float(1 - best_distance),
"available_points": best_match['available_points'],
}
3. 来店記録＋自動ポイント付与
# app/routers/visits.py
POINT_RULES = {
980: 10,
1280: 15,
1480: 20,
1680: 25,
}
@router.post("/api/visits")
async def log_visit(
member_id: int,
store_id: str,
confidence: float,
method: str = "face",
db = Depends(get_db),
):
# 1. 来店ログ
cursor = db.execute("""
INSERT INTO visit_log (member_id, store_id, recognition_method, recognition_confidence)
VALUES (%s, %s, %s, %s)
""", (member_id, store_id, method, confidence))
visit_id = cursor.lastrowid
# 2. LINE通知（裏で）
asyncio.create_task(notify_line(member_id, "おかえりなさい！本日もお疲れさまです🍝"))
return {"visit_id": visit_id}
@router.post("/api/orders")
async def log_order(
visit_id: int,
item_name: str,
price_yen: int,
notes: str = None,
db = Depends(get_db),
):
# 1. 注文記録
member_id = db.execute("SELECT member_id FROM visit_log WHERE id = %s", (visit_id,)).fetchone()['member_id']
db.execute("""
INSERT INTO order_history (visit_id, member_id, item_name, price_yen, notes)
VALUES (%s, %s, %s, %s, %s)
""", (visit_id, member_id, item_name, price_yen, notes))
# 2. ポイント自動付与
points = POINT_RULES.get(price_yen, price_yen // 100)
db.execute("""
INSERT INTO points_ledger (member_id, points_delta, reason, related_visit_id, description)
VALUES (%s, %s, 'visit', %s, %s)
""", (member_id, points, visit_id, f"order: {item_name}"))
db.execute("""
UPDATE members
SET total_points = total_points + %s, available_points = available_points + %s
WHERE id = %s
""", (points, points, member_id))
db.commit()
return {"points_awarded": points}
4. アップセル提案（店員iPad向け）
# app/routers/upsell.py
@router.get("/api/upsell/{member_id}")
async def upsell_suggest(member_id: int, db = Depends(get_db)):
# 1. 過去30日の注文を取得
orders = db.execute("""
SELECT item_name, item_category, price_yen, notes, COUNT(*) as freq
FROM order_history
WHERE member_id = %s AND ordered_at >= NOW() - INTERVAL 30 DAY
GROUP BY item_name, item_category, price_yen, notes
ORDER BY freq DESC
""", (member_id,)).fetchall()
# 2. 「いつもの」を抽出
favorite_drink = next((o for o in orders if o['item_category'] == 'drink'), None)
favorite_pasta = next((o for o in orders if o['item_category'] == 'pasta'), None)
# 3. 提案文生成（店員が読み上げる用）
suggestions = []
if favorite_drink:
notes = f" ({favorite_drink['notes']})" if favorite_drink['notes'] else ""
suggestions.append(f"いつもの{favorite_drink['item_name']}{notes}でいいですか？")
if favorite_pasta:
suggestions.append(f"前回ご好評の{favorite_pasta['item_name']}、本日もお作りできます")
# 4. 価格帯アップセル（高単価ほどポイント率高い）
avg_price = sum(o['price_yen'] for o in orders) // max(len(orders), 1)
if avg_price < 1480:
suggestions.append("今夜はちょっと豪華に¥1,480のコースもおすすめです（20pt付与）")
return {"suggestions": suggestions, "avg_spending": avg_price}
店舗側 Raspberry Pi コード（要旨）
# store_client/main.py - 店舗側で常駐するプロセス
import cv2
import face_recognition
import requests
import websocket
import base64
API_BASE = "http://r640.internal:9000"
STORE_ID = "donmangione-ikeshita"
API_KEY = ""
def main():
cap = cv2.VideoCapture(0)
last_seen = {} # member_id -> timestamp（重複検知防止）
while True:
ret, frame = cap.read()
rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
encodings = face_recognition.face_encodings(rgb)
for emb in encodings:
# R640に問い合わせ
r = requests.post(
f"{API_BASE}/api/face/match",
json={"embedding_b64": base64.b64encode(emb.tobytes()).decode()},
headers={"X-API-Key": API_KEY},
).json()
if r.get("matched"):
mid = r["member_id"]
# 5分以内の重複は無視
if mid in last_seen and time.time() - last_seen[mid] < 300:
continue
last_seen[mid] = time.time()
# 来店記録
requests.post(f"{API_BASE}/api/visits", json={
"member_id": mid,
"store_id": STORE_ID,
"confidence": r["confidence"],
"method": "face",
}, headers={"X-API-Key": API_KEY})
# 店員iPadへWebSocket通知
send_to_ipad({
"event": "member_arrived",
"name": r["name"],
"member_id": mid,
"available_points": r["available_points"],
})
time.sleep(0.5) # 0.5秒に1回チェック
if __name__ == "__main__":
main()
店員iPad UI（HTML雛形）
<!-- iPad向けリアルタイム会員到着画面 -->
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8">
<title>ドンマンジョーネ 来店アシスト</title>
<script src="https://cdn.tailwindcss.com"></script>
</head>
<body class="bg-gray-900 text-white p-8">
<h1 class="text-3xl mb-6">来店ピックアップ</h1>
<div id="arrivals" class="space-y-4"></div>
<script>
const ws = new WebSocket('wss://r640.internal/ws/store/donmangione-ikeshita');
const list = document.getElementById('arrivals');
ws.onmessage = async (ev) => {
const msg = JSON.parse(ev.data);
if (msg.event === 'member_arrived') {
// アップセル提案を取得
const r = await fetch(`/api/upsell/${msg.member_id}`).then(r => r.json());
const card = document.createElement('div');
card.className = 'bg-white text-gray-900 p-6 rounded-lg shadow-xl';
card.innerHTML = `
<div class="text-2xl font-bold mb-2">${msg.name} 様 ご来店</div>
<div class="text-sm text-gray-600 mb-4">
会員ポイント: ${msg.available_points}pt
</div>
<div class="border-l-4 border-red-500 pl-3">
<div class="font-bold text-red-700 mb-1">接客スクリプト</div>
${r.suggestions.map(s => `<div>・${s}</div>`).join('')}
</div>
`;
list.prepend(card);
// 5分後に消す
setTimeout(() => card.remove(), 300000);
}
};
</script>
</body>
</html>
買い物リスト（着手日にAmazonでポチる）
- 必須 Logitech C920 HD Pro Webcam（¥10,000程度）
- 必須 Raspberry Pi 5 8GB（¥18,000程度）
- 必須 Pi 5用 Active Cooler（¥1,500）
- 必須 Pi 5用 microSDカード 64GB（¥1,500）
- 必須 Pi 5用電源 27W USB-C PD（¥2,000）
- あると便利 カメラ用三脚 or マウントアーム（¥1,500）
- あると便利 LEDリングライト（暗い時間帯用、¥2,500）
- 店員側 iPad（既存転用OK、なければ中古¥30,000〜）
合計
最小構成 約¥35,000、フル構成 約¥70,000。
ドンマンジョーネに導入する場合は、Phase 4 のオプション工事費に組み込み可。
ドンマンジョーネに導入する場合は、Phase 4 のオプション工事費に組み込み可。
プライバシー・法令対応チェックリスト
- 入会時の同意フォーム作成（顔認証使用について明示）
- 同意取消フローの実装（DELETE /api/face/forget/{id}）
- 店内に「顔認証システム稼働中」掲示
- プライバシーポリシーに顔データ取扱を明記
- 顔特徴量の暗号化（DB保存時にAES-256）
- 顔写真原本は保存しない（特徴量抽出後即削除）
- クラウド外送信なし（店舗ローカル処理）
- 退会時の即削除＋ログ残す
- 個人情報保護委員会への届け出要否確認（規模次第）
- 顧問弁護士に利用規約レビュー依頼
マイルストーン（着手後）
| Week | マイルストーン | 確認方法 |
|---|---|---|
| Day 1-2 | hello_face.py で自分の顔が認識される | Webカメラに映って名前表示 |
| Week 1 | FastAPI に face エンドポイント追加 | Postmanで /api/face/match が動く |
| Week 2 | Raspberry Pi にカメラ常駐プロセス | 本番店舗想定でカメラ→Pi→R640フロー成功 |
| Week 3 | 店員iPad UI完成 | WebSocket通知が iPad に表示される |
| Week 4 | ポイント連動完成 | 注文記録→ポイント加算→LINE通知 |
| Week 5 | ベータテスト（自分＋家族） | 10名規模で精度98%以上 |
| Week 6 | ドンマンジョーネ実装開始 | 店舗オーナー合意あり |
事業化を考え始める分岐ポイント（KPI）
継続判断（A→B昇格）
- ドンマンジョーネで6ヶ月安定運用
- 会員ポイント実使用率50%以上
- 追加注文発生率20%以上
- 他店から問い合わせ3件以上
事業化判断（B→C昇格）
- 地域10店舗で運用実績
- 月次解約率5%以下
- 1店舗あたり月¥30,000の継続課金が成立
- LINE通知のクリック率20%以上
アイデアメモ（実装時に検討）
- マスク対応：マスク有り画像も学習させる（精度85%目標）
- 双子・親子の誤認：閾値調整＋複数枚学習で対応
- 季節提案：体調別メニューと連動「冬は温かい料理を多めに」
- 誕生日サプライズ：誕生日来店検知 → シェフへ即通知
- 「お久しぶりLINE」自動化：14日来店なし → 自動でLINE
- 予約システム連動：予約時刻＋顔認証で「予約のお客様、ご到着です」
- 同伴者識別：会員＋家族2名識別 → 家族割引適用
- 客層分析ダッシュボード：年齢・性別の傾向（個人特定なし統計）
- SaaS化前提のマルチテナント設計：store_id をUUIDで切る
関連リンク（着手時に開く）
| 用途 | リンク |
|---|---|
| face_recognition (Python) | github.com/ageitgey/face_recognition |
| MediaPipe | developers.google.com/mediapipe |
| Faiss (Facebook AI) | github.com/facebookresearch/faiss |
| Logitech C920 | www.logitech.com/ja-jp/products/webcams/c920-pro-hd-webcam.html |
| Raspberry Pi 5 | www.raspberrypi.com/products/raspberry-pi-5/ |
| 個人情報保護委員会ガイドライン | www.ppc.go.jp/personalinfo/ |
再開時のチェックポイント
再開時、まずこれを読む
1. このドキュメントを冒頭から読み直す（30分）
2. ドンマンジョーネ提案書（donmangione_proposal_v2.pptx）の P24-26 を見直す
3.
4. R640 の現状（mikyun-portal）を確認、新エンドポイント追加箇所を決定
5. Webカメラを購入していなければ買う
6.
2. ドンマンジョーネ提案書（donmangione_proposal_v2.pptx）の P24-26 を見直す
3.
/home/claude/face-project/ ディレクトリのコード雛形を確認4. R640 の現状（mikyun-portal）を確認、新エンドポイント追加箇所を決定
5. Webカメラを購入していなければ買う
6.
hello_face.py から開始
再開条件の目安
- ドンマンジョーネ提案がオーナーに通った時
- 千種区他店から「うちもやりたい」と連絡来た時
- katuocloud 本体が安定運用に入った時
- 単純に「やる気が湧いた」時（これが一番大事）
- 千種区他店から「うちもやりたい」と連絡来た時
- katuocloud 本体が安定運用に入った時
- 単純に「やる気が湧いた」時（これが一番大事）
本ドキュメント最終更新: 2026-04-26 / Mikyun Web Lab. 内部資料 / 棚上げ承認: みーきゅん
OmoteSan — 飲食店向け顔認証会員システム
個店でも、高級ホテルのコンシェルジュレベルの「私のこと覚えてくれてる感」を、月¥30,000で実現する。
ステータス: 棚上げ中（2026-04-26）
着手予定: ドンマンジョーネ提案承認後 / または やる気が湧いたとき
設計者: みーきゅん × カツオ
このプロジェクトは何か
飲食店向けの顔認証ベース会員管理システム。
入店時に顔を認識して、会員カード代わりにポイント付与＋過去注文を店員iPadに表示する。
AIが裏方、人間が表方で、「いつものハイボール濃いめでいいですか？」を成立させる。
中核機能
- 顔認証 = 会員カード
入店時にカメラがピッと認識、財布からカードを出す必要なし - 来店ポイント自動付与
¥980→10pt / ¥1,280→15pt / ¥1,480→20pt / ¥1,680→25pt - 店員iPadへの「神接客カンペ」
過去注文・好み・体調記録を即時表示。店員（人間）が自然に接客
なぜ作るか
- ドンマンジョーネで実証可能（既存提案案件）
- みーきゅんの既存資産（katuocloud / FastAPI / LINE Bot / Stripe）が95%流用可能
- 個店向け統合サービスの市場空白
- 「人間性 × AI」コンセプトの時代適合性
詳細ドキュメント
完全な設計・コード雛形・買い物リスト・マイルストーンは:
📄 face_recognition_project_handover.html（WordPress貼り付け可）
クイックスタート（着手日にやること）
# 1. 環境構築
cd ~/projects
mkdir omotesan && cd omotesan
python -m venv .venv && source .venv/bin/activate
pip install face_recognition opencv-python fastapi uvicorn
# 2. Hello Face を試す
python hello_face.py
# → Webカメラに自分の顔が映って名前が表示されたら成功
# 3. R640 へのデプロイ準備
# /root/mikyun-cloud/mikyun-portal/app/routers/face.py に
# 本ドキュメントのスケルトンを配置
アーキテクチャ概要
[ Logitech C920 ] → USB → [ Raspberry Pi 5 ] → WireGuard → [ R640 / FastAPI ]
│
├ MariaDB
├ LINE Bot
└ WebSocket
↓
[ 店員iPad ]
- 店舗側 Pi 5: 顔検出・特徴量抽出（プライバシー保護）
- R640: 会員DB照合・ポイント管理・LINE通知
- iPad: WebSocket でリアルタイム表示
拡張プラン
| Phase | 規模 | 月収益見込 |
|---|---|---|
| A. 単店専用 | ドンマンジョーネのみ | ¥30,000 |
| B. 地域SaaS | 千種区10-50店 | ¥300,000-1,500,000 |
| C. 全国SaaS | 100-1,000店 | ¥3,000,000-30,000,000 |
ライセンス・データ取扱
- 顔写真は保存しない（特徴量のみ）
- 全データ店舗ローカル処理
- 退会時即削除
- 個人情報保護法準拠
関連プロジェクト
- katuocloud – プライベートクラウド事業
- 爆速HP工房 – Web制作事業
- wanchance.com – インフラ運用ドキュメント
「面白そうだからやってみたい」が、すべての始まり。