生物鉴别阈值

Question

我想问，当我们只有一个用户的训练和测试数据时，有什么适当的方法来调整生物识别系统的阈值呢？我是使用说话人，面部和步态识别，但在移动设备场景。在移动场景中，我们知道总是有1:1的匹配情况(我们可以进行1:n匹配，但这会降低系统的可用性，因为它占用时间，并且需要更大的数据集，而我们不需要它)。因此，在这种情况下，我想找到一些方法，我可以从培训数据中找到阈值。每当我得到一些测试数据时，我假设这些数据来自真正的用户，在匹配之后，阈值基本上决定了一个人是否是真正的/冒牌货。

Answer 1

这取决于生物识别系统是如何进行学习的。

如果系统是在事先知道人脸是什么的情况下分发给您的，如果您只是教它它应该接受的面孔，那么只需注册授权用户就足够了。

如果该系统只是一个计算机视觉学习模型，而没有任何事先的知识，您将需要建立一个代表人口的人脸数据集，将授权用户的脸标记为已授权的，而其他的则被拒绝，并对系统进行培训。

我从来没有使用过你要问的系统，所以如果你不知道这两种类型中的哪一种，我建议你联系制造商的客户支持。

Answer 2

如果不使用其他个人的数据对系统进行培训，那么阈值的概念在很大程度上就毫无意义。

在学习时，所有生物识别系统都需要调整错误拒绝率和错误接受率(FRR和FAR)，但在您的情况下，培训不会给您提供任何远程数据。

因此，虽然您可以很容易地确保您的系统总是能够识别您的有效用户，但是您不知道它是否会接受其他人，有些人长得像他们或者所有的人(或者狗，ostriches...who知道)。

您需要能够允许系统确定有效用户和非有效用户之间的差异，然后计算出您是否能够处理一些FRR (您的用户可能携带了一些沉重的东西)，或者一些远距离的用户(例如，具有非常相似的步态和匹配胡子的人)。

总之，除非您从许多个人获得数据集，否则您无法做到这一点。