什么是机器视觉中的人脸识别错误率

机器视觉中的人脸识别错误率主要涉及以下两个核心指标：

1. 误识率（False Accept Rate, FAR）：

定义：误识率是指将非本人误识别为库中某人的概率，即将“假的”认成了“真的”。例如，错误地将一个人的脸识别为另一个人的脸，导致非授权人员通过验证。

影响：误识率的高低直接关系到系统的安全性，高误识率可能导致安全漏洞，使未经授权的人员能够轻易通过验证。

2. 拒识率（False Reject Rate, FRR）：

定义：拒识率是指将指定人员误作其它人员的概率，即将“真的”认成了“假的”。例如，系统未能正确识别出已注册用户，导致合法用户无法通过验证。

影响：拒识率的高低影响用户体验，高拒识率可能导致用户频繁无法通过验证，造成不便。

人脸识别系统还涉及通过率（正确认出而通过的概率）和相似度（抓拍到的人脸和目标库中的人脸的相似程度）等指标，这些指标共同构成了评估人脸识别系统性能的综合体系。

机器视觉中的人脸识别错误率主要包括误识率和拒识率，它们是评估人脸识别系统性能和安全性的重要指标。