AI 自助拍照亭（AI Photo Booth）项目整体架构与实现思路总结

一、项目背景

在商场、自助设备、展会等场景中，AI 自助拍照亭已经成为一个典型的"软硬件 + AI + 前端交互"综合项目。

本项目以 AI Photo Booth（自助拍照亭） 为目标，从 0 到 1 实现了一套完整系统，覆盖：

相机控制
后端业务编排
AI 图像处理
前端大屏交互
稳定性与工程化加固

整个项目按照 Day1～Day9 逐步拆解与实现。

二、整体系统架构概览

项目采用清晰的服务拆分架构，避免单体系统过于复杂：

复制代码

[ 拍照亭前端（Vue Kiosk） ]
            ↓ HTTP
[ 后端业务服务（Spring Boot） ]
            ↓
[ 相机服务 / Mock Camera ]
            ↓
[ AI Gateway（Spring Boot） ]
            ↓
[ Image Pipeline（Python / FastAPI） ]

每一层职责单一、边界清晰，便于维护和扩展。

三、各阶段核心内容速览

Day1～Day3：后端基础与拍照流程

搭建 AI Photo Booth 后端基础工程
设计 Session 会话模型，统一管理一次拍照流程
实现完整状态流转：
- IDLE → SELECTING → COUNTDOWN → CAPTURING → PROCESSING → PREVIEW
抽象相机服务接口，支持真实相机或 Mock 相机

👉 重点在于：用状态机管理复杂流程，而不是 if-else

Day4～Day5：完整业务闭环

支持预览后：
- 不满意 → 重拍（次数限制）
- 满意 → 确认生成下载链接
引入 下载 Token 机制：
- 防止任意访问照片
- 下载链接带有效期
实现扫码下载页面（HTML 动态生成）

👉 到 Day5 为止，系统已经可以真实跑完整用户流程

Day5（补充）：Image Pipeline（AI 图像处理）

使用 Python + FastAPI 独立实现图像处理服务
Pipeline 只负责一件事：
- raw 原图 → preview 预览图 → final 成品图
支持：
- 抠图（rembg）
- 背景合成
- FIT / FILL 裁剪模式
- 失败自动降级

👉 核心思想：AI 算法与业务系统彻底解耦

Day6：Vue Kiosk 前端联调

基于 Vue3 + Vite 实现拍照亭大屏前端
前端不写流程判断，只做一件事：

根据后端 session.state 自动切换页面
实现：
- 倒计时
- 模板选择
- 预览确认
- 二维码下载

👉 前端逻辑极简，流程由后端统一控制

Day7：稳定性与工程化加固

针对真实设备场景进行加固：

超时自动回收会话（30 秒无操作回首页）
全局异常兜底（避免裸 500）
幂等性设计（防止按钮连点）
刷新页面 / 断网后自动恢复

👉 目标：从"能跑"升级为"能抗造"

Day8～Day9：AI Gateway 独立服务

引入 AI Gateway 作为中间层：

设备鉴权（白名单）
幂等控制（防重复 AI 处理）
并发限流（保护 Pipeline）
统一错误返回

Gateway 只做"管控"，真正的图像处理仍由 Pipeline 完成。

👉 这是工程级系统必不可少的一层

四、项目核心设计思想总结

状态机优于流程判断
服务拆分优于单体堆代码
AI 算法必须工程化、可替换
稳定性设计要早于性能优化
前端只负责展示，流程由后端统一调度

五、适用场景

这套架构不仅适用于 AI 拍照亭，还可扩展到：

自助终端设备
工业相机采集系统
AI 图像处理流水线
需要强稳定性的无人值守系统