人脸识别FAR值重新认识

之前对FAR 值的认识总是比较浅显，我总是很懒，不是必须要做这个事情的时候，都会装看不见。

设定一个分数阈值T，FAR=非同人分数>T/非同人比较的次数，FRR=同人比较分数<T/同人比较的次数。即FAR和FRR都是一个关于T的函数

一般，FAR=0.001时，FRR的值作为参考。值越小，性能越好。

我之前的理解是同人的比较次数，啪啪啪打脸。因为解释不下去。

以JL 的数据为例，给了5000个人，能检测到人脸的是4683 个人。

那么我们同人的数据是4683个

非同人的次数是：(4683*4682)/2=10962903 上千万的数据量

那么我们FAR=0.001 时  对应一个阈值T为：0.4540 那么大于0.4540 的个数为为10962903*0.001 个样本

那么我们FAR=0.0001时，对应的阈值T为：0.5507 那么大于0.5507 的个数为10962903*0.0001 个样本

我们不难理解为什么FAR=0.0001 时的阈值比FAR=0.001的阈值大。（因为非同人样本被错分的少了）

我们给JC 的阈值参考值为：0.3 

那么我们计算得到：同人通过的数量为：4298    4298/4883=0.9178

非同人通过的个数 165897  165897/10962903=0.0015 

那么如果阈值设置为0.3 这个人拿着自己的身份证刷的概率是：

0.9178/（0.9178+0.0015）=0.9984 

意思是这个人拿自己身份证刷的概率是99.84% 

通过但是不拿自己身份证的概率是100-99.84 的概率

顺便统计下得分的分布情况：