人脸识别准确率和误识率_人脸识别技术常见误区

常见误区一：“人脸检测”就是“人脸识别”?

事实上，“人脸检测”只是人脸识别完整流程中的一个环节。在用摄像头采集含有人脸的图像或视频流后，首先就需要用人脸检测技术自动检测、提取当中的人脸，随后才能进入人脸图像预处理及最核心的人脸特征提取环节。

但在实际商业化落地中，人脸检测也可独立于人脸识别进行使用。

常见误区二：人脸识别的准确率越高越好吗?

理想状态下，“人脸识别准确率”当然越高越好，但算法在产品化使用时会受到逆光、暗光、强光、识别角度等诸多因素的影响。相同算法，在实验室环境中与不同的实际应用环境中，所表现出的识别准确率都存在一定差异。因此，脱离使用场景单纯考量算法的识别准确率参考价值不大。

业界更多会采用“认假率(FAR，又称误识率，把某人误识为其他人)”和“拒真率(FRR拒真率，本人注册在底库中，但比对相似度达到不预定的值)”，来作为评判算法的依据。另外还有识别速度、活体攻击成功率、人脸检测成功率等维度，也可作为评判算法优劣的参考依据。

尽管FAR和FRR都越低越好，但两个指标是一个跷跷板，一个指标的降低会意味着另一个指标会升高，所以需要实现两者间的平衡。

人脸识别算法一般会设定一个阈值作为评判通过与否的标准，该阈值一般是用分数或者百分比来衡量。当人脸比对的相似度值大于此阈值时，则比对通过，否则比对失败。每个阈值都可以统计