用于评估生物识别系统性能的评估指标很重要，但不一定容易理解。
评估本身是生物识别市场参与的越来越必要的步骤。持续的性能评估允许操作员随着时间的推移改进和优化生物识别系统。它有助于确定在满足安全和隐私的监管要求的同时，确定弱点和领域。
- 错误的接受率（FAR）衡量系统接受未经授权个体的可能性。也称为假阳性识别率（FPIR）。
其中FP是误报数量（未经授权的访问），而TN是真正的负面因素（正确拒绝访问）的数量。
- 虚假拒绝率（FRR）衡量拒绝授权个人的可能性。也称为错误的非匹配率（FNIR）。
其中fn是虚假负数的数量（被授权访问），而tp是真实的阳性数量（正确授予访问权限）。
- FAR和FRR相等的速率是相等的错误率（EER）。它提供了一个代表两种错误相互平衡的点的值。
- 虚假匹配率（FMR）是指错误地宣布与另一个主题模板相匹配的未经授权访问尝试的比例。
- 错误的非匹配率（FNMR）是授权访问尝试错误地报告为同一主题模板的不匹配的比例。
笔记：当涉及生物识别身份验证时，错误拒绝率（FRR）和错误的接受率（FAR）通常称为FNMR和FMR。尽管如此，重要的是要注意它们不可互换。具体而言，FMR等效于FAR，FNMR等效于FRR，但只有当系统利用用户的一次尝试以匹配其存储模板时。
- 假阳性识别率（FPIR）衡量生物识别系统错误地识别不在数据库中的个人是匹配的概率。在一对一验证系统中，FPIR大约等于FMR，乘以数据库中的条目数量。
- 假阴性识别率（FNIR）测量系统无法正确识别注册用户的概率。根据美国国家标准技术研究所的说法，系统无法在1：n设置中识别匹配的可能性近似于未能验证1：1中的匹配项的可能性（FNMR 1：1）在类似条件下设置。
众所周知面部识别供应商评估经过nist用给定阈值的FPIR集测量FNIR。
- 未能捕获（FTC）当生物识别系统无法捕获样品时，就会发生。这是系统未能捕获生物特征特征的时间百分比。
- 未注册（FTE）是用户无法注册系统的时间百分比。
- 攻击表现分类错误率（APCER）衡量系统在检测和识别演示攻击方面的准确性。
- 真正的FIDE分类错误率（BPCer）衡量系统避免错误警报的程度。
- 冒名顶替攻击匹配率（IAPMR）评估生物识别系统对冒险攻击的脆弱性，未经授权的用户试图获得访问权限。
生物识别演示攻击检测（PAD）基于ISO/IEC 30107-3标准设置限制的评估，并在评估子系统时测试APCER。对于完整的PAD系统，对IAPMR进行了测试。
- 接收器操作特征（ROC）曲线是一种用于评估生物识别系统性能的方法，目的是创建与FRR相关的曲线。
绩效评估已成为确保生物识别系统可靠，安全且适合其预期应用的基本方面。
