人脸识别系统的误识率与虚警率标准

其实就是模式识别中的分类决策，即在特征空间（提取特征之后的空间）中，用分类方法把被识别对象归为某一类，具体的作法就是在样本训练集上，确定某一个判别规则，按这种判别规则对被识别对象（人脸图像）进行分类所造成的错误识别率最小和引起的损失最小。也就是会有两个过程：一个就是训练；一个就是识别，基本的步骤是相同的。训练过程包括人脸检测，预处理，特征提取，训练分类器；识别过程包括人脸检测，预处理，特征提取，分类决策，最后输出识别的结果。

人脸识别就是将待识别的人脸与已知人脸进行比较，得出相似程度的有关信息。这里所指的人脸识别是狭义的识别，是统称的广义人脸识别的一个子过程。

人脸识别又分为两类：确认（Verification）和辨认（Identification）。确认是一对一进行图像比较（Comparison）的过程。辨认是一对多进行图像匹配（Matching）比对的过程。人脸确认是人脸辨认的简单化，人脸辨认比人脸确认要难得多，因为人脸辨认系统涉及大批量数据的比对。在海量数据的检索比对中，识别精度和检索时间是相当重要的指标，因而这一过程的核心是选择适当的人脸表征方式和匹配策略。(www.xing528.com)

评价一个人脸自动识别系统的标准，虽然目前还没有一个公认的标准，但是比较认同的一个是误识率，即将某人错识别为其他人；另一个是虚警率，即将其他人识别为这个人。这两者之间是存在矛盾的，所以在实际问题中往往需要进行某种折中，如在安全性要求较高的计算机登录系统中，必须要求虚警率要尽可能低，而误识率则可以高一些，这样只是增加合法用户的登录时间，并不会降低计算机系统的安全性。这一点同样适用于特征提取与识别环节，但是对于人脸检测与定位，一般则要求误识率要尽可能低，因为这样才可以保证所要识别的人不会在这一步就丢失。