# VeriX 唯真 测谎仪

**Repository Path**: fexcode/verix

## Basic Information

- **Project Name**: VeriX 唯真 测谎仪
- **Description**: 这是一个基于用户按键频率和鼠标轨迹的测谎仪, 对算力要求极低
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2026-02-26
- **Last Updated**: 2026-03-01

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# VeriX (唯真)
> 一个极其轻量级的测谎仪
>
> (v0.1.1)

## 项目简介

本项目是一个基于Python和Tkinter的测谎仪，用于检测用户在回答问题时是否撒谎。它通过分析用户的鼠标移动和按键行为来预测用户是否在撒谎。项目使用了一个预训练的机器学习模型来执行预测。

## 使用方式

### 1. 安装依赖

```bash
pip install joblib scikit-learn numpy
```

### 2. 运行

```bash
python pred.py
```

运行后会弹出一个窗口

![输入id](docs/imgs/inputid.png)

你需要输入自己的名字(当然你不输入也没人管你)

点击开始实验按钮, 会弹出一个框,你需要在里面输入一些你想问的敏感问题
![输入敏感问题](docs/imgs/mingan.png)

确认开始

![确认开始](docs/imgs/surestart.png)

然后点击下一题按钮
![点击下一题按钮](docs/imgs/baseline.png)

此时你要保持正常心态, 按下鼠标根据虚线指示画圆, 另一只手根据右下角的节拍指示敲击`空格键`打节拍

> 画一圈即可, 速度大概为你念完题目并且回答完时你正好画完一圈的速度

![基准测试](docs/imgs/draw.png)
觉得自己画的还可以就点击保存, 如果出现很大失误就直接点击下一题
> **注意: 默认不保存!**

保存3次基准测试数据之后就会开始敏感问题测试, 你还是一样地按鼠标和敲击空格键
> 回答问题是需要读完题目, 然后完整回答, 不要直接说 `是`或`否`
> 
> 比如, 回答: 
> "我欺骗他了吗?我没有欺骗他"
> 
> 而不是:
> "没"

回答完毕之后系统会自动显示你说谎的概率

对于结果极端不准确的情况, 详见 [模型解释](#模型解释)

![Over!](docs/imgs/over.png)


## 模型解释

> 我在此开源的模型只是阉割过的模型, 只会简单分析 速度/间隔等特征
> 
> 联系我即可免费获取完整模型
> 
> star超过25我会开源完整模型

目前版本采用了来自两个人的 36 条真话谎话数据训练和测试模型,
训练输出如下: 


```powershell
============================================================
AI 测谎模型训练系统 (SVM版)
============================================================
加载数据：45 条记录
特征维度：(45, 48)
标签分布：真话=23, 假话=22

训练集：33 条
测试集：12 条

正在训练模型 (划分集训练)...

==================================================
模型评估 (测试集验证)
==================================================
              precision    recall  f1-score   support

          真话       0.62      0.83      0.71         6
          假话       0.75      0.50      0.60         6

    accuracy                           0.67        12
   macro avg       0.69      0.67      0.66        12
weighted avg       0.69      0.67      0.66        12

AUC-ROC: 0.8611

混淆矩阵：
                 预测
              真话  假话
实际  真话      5     1
      假话      3     3

============================================================
正在使用全部数据进行最终训练...
============================================================

==================================================
模型评估 (全量数据自测)
==================================================
              precision    recall  f1-score   support

          真话       0.96      0.96      0.96        23
          假话       0.95      0.95      0.95        22

    accuracy                           0.96        45
   macro avg       0.96      0.96      0.96        45
weighted avg       0.96      0.96      0.96        45

AUC-ROC: 0.9901

混淆矩阵：
                 预测
              真话  假话
实际  真话     22     1
      假话      1    21

✅ 最终模型已保存到 model/ 目录

============================================================
训练完成！
============================================================
```

我们期待有更多的朋友可以参与到这个项目中来, 提供更多的数据(联系我获得收集脚本), 让我们共同完善这个项目!

所有参与的朋友我都会在 Bilibili 视频, 项目文档等一切提到贡献者的地方展示出来, 感谢大家的支持!


## 联系我

- Bilibili用户: fexcode
- 我的QQ号: 2734664632
- QQ交流群: 861596947
- 邮箱(很少看): <2734664632@qq.com>

## 贡献者

- [fexcode](https://github.com/fexcode): 研究开发
- [Mikoris](https://gitee.com/mikoris): 测试模型, 修复BUG
- [CGrakeski](https://gitee.com/cgrakeski): 贡献9条数据
- [FarmFrame](https://gitee.com/Farm_Frame): 贡献12条数据, 但是未被采用(他忘了按按键了)

## 日志
- 2023.2.27[v0.2.0] 45数据, 切换支持向量机模型, 误差率降低近30%
- 2023.2.27[v0.1.2] 45数据
- 2023.2.26[v0.1.1] 40数据
- 2023.2.26[v0.1.0] 随机森林, 35数据