campus_activity_system/README.md

campus_activity_system

NLP 校园活动信息智能分析处理系统，主要功能包括上传身份证图片、提取姓名和身份证号、活动类型分类和活动信息发布。

功能模块

• 学生信息管理
• 身份证 OCR 识别（使用 PaddleOCR）
• 社团负责人管理
• 活动信息发布
• 活动类型分类（基于 NLP）

技术栈

后端

• 框架: Flask + SQLAlchemy
• 数据库: MySQL 5.7
• 缓存: Redis
• OCR: PaddleOCR（中文身份证识别）
• NLP: Transformers (BERT)

核心依赖

• paddleocr: 高精度中文 OCR 识别引擎
• transformers: 用于活动类型分类的 NLP 模型
• opencv-python: 图像处理
• Flask: Web 框架
• SQLAlchemy: ORM

快速开始

1. 环境准备

# 加载环境变量
source /etc/profile

# 确认数据库和 Redis 已启动
# MySQL: localhost:3306 (用户: lyq, 密码: 123456)
# Redis: localhost:6379

2. 安装依赖

pip install -r requirements.txt

3. 初始化数据库

python init_db.py

4. 启动服务

python app.py

服务将在 http://localhost:5000 启动。

OCR 识别说明

本项目使用 PaddleOCR 进行身份证识别，相比 Tesseract 有以下优势：

优势

• ✓ 更高的中文识别准确率
• ✓ 无需系统级依赖安装
• ✓ 专门优化的证件识别
• ✓ 自动角度纠正

使用方法

from utils.ocr_utils import extract_id_card_info

# 识别身份证
id_info = extract_id_card_info('path/to/id_card.jpg')
print(f"姓名: {id_info['name']}")
print(f"身份证号: {id_info['id_number']}")

测试 OCR

# 测试身份证识别
python test_id_card_ocr.py test_images/id_card.jpg

# 测试图像预处理
python utils/image_preprocess.py test_images/id_card.jpg

详细的 OCR 配置说明请参考：docs/PADDLEOCR_SETUP.md

API 接口

用户注册（含身份证识别）

POST /register
Content-Type: multipart/form-data

参数:
- username: 用户名
- email: 邮箱
- image: 身份证图片文件

返回:
{
  "message": "用户注册成功",
  "user": {
    "id": 1,
    "username": "zhangsan",
    "email": "zhangsan@example.com",
    "name": "张三",
    "id_number": "110101199001011234"
  }
}

活动类型分类

POST /classify
Content-Type: application/json

{
  "description": "人工智能与机器学习讲座"
}

返回:
{
  "activity_type": "学术讲座"
}

项目结构

campus_activity_system/
├── app.py                      # 主应用入口
├── routes.py                   # 路由定义
├── models.py                   # 数据模型
├── utils/
│   ├── ocr_utils.py           # OCR 识别工具（PaddleOCR）
│   ├── nlp_utils.py           # NLP 分类工具
│   └── image_preprocess.py    # 图像预处理工具
├── docs/
│   └── PADDLEOCR_SETUP.md     # PaddleOCR 配置文档
├── test_id_card_ocr.py        # OCR 测试脚本
├── requirements.txt            # Python 依赖
├── CLAUDE.md                   # 项目规范
└── README.md                   # 本文档

模型缓存

Transformers 模型

~/.cache/huggingface/hub/models--dslim--bert-base-NER

PaddleOCR 模型

首次运行会自动下载模型文件（约 50MB）

数据库配置

# MySQL 配置
SQLALCHEMY_DATABASE_URI = 'mysql+pymysql://lyq:123456@localhost:3306/campus_activity'

# Redis 配置
REDIS_HOST = 'localhost'
REDIS_PORT = 6379

常见问题

Q: OCR 识别准确率不高？

A: 请确保：

1. 图片清晰，文字可辨识
2. 光线均匀，避免反光
3. 尽量正面拍摄
4. 建议宽度 1000-2000px

可以使用图像预处理工具提高识别率：

python utils/image_preprocess.py your_id_card.jpg

Q: 如何启用 GPU 加速？

A:

pip uninstall paddlepaddle
pip install paddlepaddle-gpu

然后在 utils/ocr_utils.py 中修改：

ocr = PaddleOCR(use_angle_cls=True, lang='ch', use_gpu=True)

Q: 模型下载慢？

A: 首次运行会自动下载模型，如下载慢可使用国内镜像或手动下载。

开发指南

详细的开发规范和技术选型请参考：CLAUDE.md

参考资料

• PaddleOCR 官方文档
• Hugging Face - dslim/bert-base-NER
• Flask 文档
• SQLAlchemy 文档

License

Apache License 2.0