人脸识别评价指标计算

一、指标相关概念

相似度：两张人脸图像的相似程度，一般为百分比

阈值：人为设定的值，两张人脸图像的相似度值高于这个阈值，就认为是同一个人，低于阈值则认为不是同一个人。

误识：(FA, false accept)， 不是小明，却把这个人认成了小明（混淆矩阵中的FP）

拒识：(FR, false reject)，是小明，但没认出是小明（混淆矩阵中的FN）

二、计算方法

混淆矩阵：

误识率（FAR） = FP / (FP + TN)

拒识率（FRR） = FN / (TP + FN)

通过率 = 1 - 拒识率

三、举例说明

假设：人脸库中有100个人，现设定识别阈值为0.8，小明前来进行人脸识别（库中有他），计算过程如下：

1. 小明 vs 人1，得到相似度=0.76， 小于0.8，认为不是小明。（真实 不是，TN += 1）

2. 小明 vs 人2, 得到相似度=0.82， 大于0.8.，认为是小明。（真实 是，TP += 1）

3. 小明 vs 人3, 得到相似度=0.74， 小于0.8，认为不是小明。（真实 是，FP += 1）

4. 小明 vs 人4, 得到相似度=0.83， 大于0.8，认为是小明。（真实 不是，FN += 1）

5. 小明 vs 人5, 得到相似度........ 直到比完所有人

6. 计算通过率和误识率

7. 计算f1score

四、经验总结

1. 阈值设定是识别结果好坏的关键。阈值下降，误识率和通过率都会升高；阈值上升，误识率和通过率都会下降。根据任务的不同决定是要效率还是要精度。如果想要保证精度，误识率需要低于一定水平，就将阈值提高，如果想要通过的效率，需要保证通过率高于一定水平，就将阈值降低。