Los siguientes son algunos términos empleados a menudo cuando hablamos de sistemas biométricos de reconocimiento facial:
Falsos positivos (FAR): False Acceptance Rate: porcentaje de personas no autorizadas aceptadas por el sistema.
Falsos negativos (FRR): False Rejection Rate: porcentaje de personas autorizadas no aceptadas por el sistema.
Ratio de éxito (SR): es el indicador de la resolución del sistema y se expresa como SR=1-(FAR+FRR).
Ratio de error (ERR): es el umbral que determina el poder de identificación del sistema de reconocimiento (Equal Error Rate). El Ratio de Error permite igualar los indicadores FAR y FRR, creando el momento en el que se considera óptimo el funcionamiento del sistema. Los indicadores FAR Y FRR variarán en función de las condiciones prefijadas por el programa de identificación biométrica.
Algoritmo para reconocimiento facial: Máquinas de Vectores de Soporte (SVM)
En los sistemas de reconocimiento facial, existen algoritmos para realizar la comparación de los datos obtenidos con los almacenados.
Uno de estos algoritmos es conocido como SVM o Máquinas de Vectores de Soporte. Las máquinas de vectores son un conjunto de algorítmos desarrollados por Vladimir Vapnik y su equipo en los laboratorios AT&T.
Las máquinas de vectores soporte son básicamente un algoritmo de clasificación de patrones binario, cuyo objetivo es asignar cada patrón a una clase. Por ejemplo, si tenemos dos conjuntos de elementos, uno de ellos compuesto por ovejas blancas y otro por ovejas negras, el algoritmo tratará de diferenciar estas ovejas en función de su color (clase).
Las máquinas de vectores soporte son básicamente un algoritmo de clasificación de patrones binario, cuyo objetivo es asignar cada patrón a una clase. Por ejemplo, si tenemos dos conjuntos de elementos, uno de ellos compuesto por ovejas blancas y otro por ovejas negras, el algoritmo tratará de diferenciar estas ovejas en función de su color (clase).
*Con información de Seguridadmanía