FAR和FRR评价函数

最新推荐文章于 2023-11-27 14:19:10 发布

原创

最新推荐文章于 2023-11-27 14:19:10 发布 · 933 阅读

1 ·

CC 4.0 BY-SA版权

本文介绍了错误拒接率（FRR）和错误接受率（FAR）这两个生物特征识别中的关键评价指标。FRR衡量的是将同一个人的图片误判为不同人的概率，而FAR则表示将不同人误判为同一人的概率。通过错误计数与总匹配次数的关系，解释了如何计算这两个指标，并简述了它们在设定匹配阈值时的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.FRR：错误拒接率（False Reject rate）。
文字定义：错误拒绝率，把同一个人的图片对当成不同的人图片对的概率。
其中：errorCount是指匹配失败的次数，totalCount是指同一个人的匹配次数。
也就是说，假设我们定义匹配的时候设置的阈值为threshold，当两两匹配的时候的相似度值为value。
在理想情况下，同一个人的匹配相似度value>threshold总是成立的。在现实中，当value<threshold的时候，这就是匹配失败。
因此，errorCount就是totalCount中value<threshold的次数。
2.FAR：表示错误接受的比例（False Accept Rate）
文字定义：与FRR相反的是，表示的是把不同人认为是同一个人的概率。
也就是理想情况下，不同人的匹配相似度value<threshold总是成立的。在现实中，当value>threshold的时候，这就是匹配失败。

在这里插入图片描述
代码实现：

import numpy as np
import os
from time import time
from sklearn import svm
from sklearn.multiclass import OneVsRestClassifier
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import roc_curve, auc
from sklearn.linear_model import LinearRegression
from sklearn.pipeline import Pipeline
from skimage import io
from string import digits
from PIL import Image
from sklear