【问题标题】：How to calculate False Accept and Reject Rates in pattern recognition如何计算模式识别中的错误接受率和拒绝率
【发布时间】：2014-05-08 20:07:40
【问题描述】：
我正在做一个基于 SURF 算法和欧几里得距离的静脉图案识别项目。我已经完成了我的程序，以找到静脉特征之间的最大和最小距离，并在存在相同图像时准确找到匹配项。即两个图像之间的最大和最小距离为零。在这种情况下，我将如何找到我的 FAR 和 FRR。是 0% 还是我在这里遗漏了一个重要概念？
即使有轻微的变化，在这种情况下也不匹配，我想我需要一个阈值来比较。我已经用同一只手和不同的手计算了所有图像组合之间的最大和最小距离。在这种情况下，我如何计算 FAR 和 FRR。这是我的第一个生物识别项目，如果我被引导到任何可以帮助我的资源，那将会很有帮助。谢谢。
请帮帮我。
【问题讨论】：
标签：
pattern-recognition
biometrics
【解决方案1】：
通常，不可能在训练集中找到与测试集中的样本完全匹配的模型。 （欧几里得距离为零的情况在现实中是不可能的。）所以我们使用了多种相似性度量方法，比如在你的情况下，使用欧几里得距离。
然后我们应该有一个阈值来判断一个测试样本和训练集中的某个模型是否属于同一个人。如果距离大于阈值，我们拒绝他们是同一个人的假设，否则接受。所以我们有错误拒绝和错误接受的情况。
在您的情况下，也许您可以避免选择阈值，因为每个测试样本都与所有训练模型进行比较。所以你可以选择最近的训练模型作为你的识别结果。
要计算 FAR 和 FRR，您应该拥有测试样本的键标签，以便您可以将识别结果与键进行比较。