FRR与FAR
FRR（False Rejection Rate）和FAR（False Acceptance Rate）是用来评估指纹识别算法性能的两个主要参数。FRR和FAR有时被用来评价一个指纹识别系统的性能，其实这并不贴切。指纹识别系统的性能除了受指纹算法的影响外，指纹采集设备的性能对FRR和FAR的影响也是不能忽视的。
FRR通俗叫法是拒真率的意思，标准称谓是 FNMR（False Non-Match Rate 不匹配率）。可以通俗的理解为“把应该相互匹配成功的指纹当成不能匹配的指纹”的概率。对指纹算法的性能测量是在给定指纹库的情况下进行测量的。用于测量的指纹库一般由FVC（国际指纹识别算法大赛）组织者给定。FVC在作指纹识别算法性能测试时，并无外界指纹输入，是使用标准的指纹图像库来测试的。所以 FNMR是在没有连接指纹采集设备的情况下得出的测试值。本节的其它参数也都是在这一前提下得出的。
假定
对于指纹识别算法来讲，在指纹库确定的情况下，其匹配失败率FNMR是一定的。当指纹库发生变化，其FNMR也会有变化。所以国际上是以FVC公布的指纹库为统一的测试库，在该测试库中测试出来的FNMR结果作为衡量指纹算法性能的标准参考。
FAR一般称为认假率，其标准称谓是FMR（False Match Rate 错误匹配率）。FMR是用来评估指纹识别算法性能的最重要参数。可以通俗的理解为“把不应该匹配的指纹当成匹配的指纹”的概率。
同样以前段中的指纹库为例。把库中的每个指纹，与除自己之外的其它所有指纹进行匹配，匹配的总次数，即3x99x3x100=89100次。理论情况下，匹配成功次数为6x100=600次，匹配失败次数应为89100-600=88500次。假定由于指纹算法性能的原因，把本应该匹配失败的判为匹配成功，若假定这种错误次数为100次。则错误接受率 FAR为100/89100=0.11%。匹配失败次数是因判定相似的条件严格程度而变化的。当匹配成功的筛选条件，即门限值提高时，FAR会降低。
FAR也与指纹库相关。所以在FVC大赛中，有4个指纹库用于测试，并取平均值。其中有一个指纹库是人工生成的，以排除采集设备不同导致的指纹图像质量不同对算法效能的影响。
在同一个指纹库中，对同一个算法来讲，需要设定一个阈值，作为判定相似的标准。当相似度大于这个阈值时，表示匹配成功，否则表示匹配失败。FNMR是随阈值增大而增大的，即判定相似的门槛值越高，则真的指纹判定为假的机率越大。反之，FMR是随阈值增大而减小的，即随着判定相似度的门槛值越高，把假的指纹判定为真的概率会越小。FAR与FRR成反比。根据2004年FVC大赛测试结果，一般当FMR是1/1000量级时，FNMR是5/100左右。也就是100个手指的指纹库中，进行1000次匹配，有可能发生一次匹配错误，即认错。进行100次匹配，有可能出现5次匹配失败，即不认。
EER
EER（Equal Error Rate）是相等错误率的意思。这个参数一般在普通场合不大使用。EER主要用于评价指纹算法整体效能的指标。也就是把FAR、FRR两个参数统一为一个参数，来衡量指纹算法的整体性能。FAR和FRR是同一个算法系统的两个参数，把它放在同一个坐标中。FAR是随阈值增大而减小的，FRR是随阈值增大而增大的。因此它们一定有交点。这个点是在某个阈值下的FAR与FRR等值的点。习惯上用这一点的值来衡量算法的综合性能。对于一个更优的指纹算法，希望在相同阈值情况下，FAR和FRR都越小越好。
把FAR和FRR曲线都向下平移。同时相交点ERR也向下平移。所以EER值越小的时候，表示算法的整体性能越高。
由于当FRR与FAR相交时对应的阈值都很小，也就是说此时的相似度阈值连30%都不到。实际使用中的阈值至少设在80%以上，所以EER值并不被用在大众化场合来描述指纹算法的性能，只是在竞赛排名中使用。
拒登率
拒登率一般使用较少，在指纹识别术语中，它是一个意思相对比较含糊的词。在世界指纹算法大赛中，有个参数叫拒绝注册率，有时被称为拒登率，用来衡量指纹识别算法对指纹图像质量的挑剔程度，用REJENROLL。表示。在给定的指纹数量，如 100枚指纹图像中，可以成功注册或称为建档的指纹，如果是99，则REJENROLL ＝ 1%。对FVC大赛给出的标准指纹库来讲，绝大多数的指纹算法都可以建档成功，即REJENROLL 为0.00％。
在另外一种场合，拒登率通常被解释为指纹识别系统（包含指纹采集设备）不接受指纹注册的概率。这种情况下，拒绝注册的因素，除了算法本身的原因外，更多的受指纹采集设备的成像能力的影响。指纹采集设备输出的指纹图像质量越好，指纹识别系统的拒登率越低，指纹采集设备输出的指纹图像质量越低，其拒登率越高
FRR（False Rejection Rate）和FAR（False Acceptance Rate）是用来评估指纹识别算法性能的两个主要参数。FRR和FAR有时被用来评价一个指纹识别系统的性能，其实这并不贴切。指纹识别系统的性能除了受指纹算法的影响外，指纹采集设备的性能对FRR和FAR的影响也是不能忽视的。
FRR通俗叫法是拒真率的意思，标准称谓是 FNMR（False Non-Match Rate 不匹配率）。可以通俗的理解为“把应该相互匹配成功的指纹当成不能匹配的指纹”的概率。对指纹算法的性能测量是在给定指纹库的情况下进行测量的。用于测量的指纹库一般由FVC（国际指纹识别算法大赛）组织者给定。FVC在作指纹识别算法性能测试时，并无外界指纹输入，是使用标准的指纹图像库来测试的。所以 FNMR是在没有连接指纹采集设备的情况下得出的测试值。本节的其它参数也都是在这一前提下得出的。
假定
对于指纹识别算法来讲，在指纹库确定的情况下，其匹配失败率FNMR是一定的。当指纹库发生变化，其FNMR也会有变化。所以国际上是以FVC公布的指纹库为统一的测试库，在该测试库中测试出来的FNMR结果作为衡量指纹算法性能的标准参考。
FAR一般称为认假率，其标准称谓是FMR（False Match Rate 错误匹配率）。FMR是用来评估指纹识别算法性能的最重要参数。可以通俗的理解为“把不应该匹配的指纹当成匹配的指纹”的概率。
同样以前段中的指纹库为例。把库中的每个指纹，与除自己之外的其它所有指纹进行匹配，匹配的总次数，即3x99x3x100=89100次。理论情况下，匹配成功次数为6x100=600次，匹配失败次数应为89100-600=88500次。假定由于指纹算法性能的原因，把本应该匹配失败的判为匹配成功，若假定这种错误次数为100次。则错误接受率 FAR为100/89100=0.11%。匹配失败次数是因判定相似的条件严格程度而变化的。当匹配成功的筛选条件，即门限值提高时，FAR会降低。
FAR也与指纹库相关。所以在FVC大赛中，有4个指纹库用于测试，并取平均值。其中有一个指纹库是人工生成的，以排除采集设备不同导致的指纹图像质量不同对算法效能的影响。
在同一个指纹库中，对同一个算法来讲，需要设定一个阈值，作为判定相似的标准。当相似度大于这个阈值时，表示匹配成功，否则表示匹配失败。FNMR是随阈值增大而增大的，即判定相似的门槛值越高，则真的指纹判定为假的机率越大。反之，FMR是随阈值增大而减小的，即随着判定相似度的门槛值越高，把假的指纹判定为真的概率会越小。FAR与FRR成反比。根据2004年FVC大赛测试结果，一般当FMR是1/1000量级时，FNMR是5/100左右。也就是100个手指的指纹库中，进行1000次匹配，有可能发生一次匹配错误，即认错。进行100次匹配，有可能出现5次匹配失败，即不认。
EER
EER（Equal Error Rate）是相等错误率的意思。这个参数一般在普通场合不大使用。EER主要用于评价指纹算法整体效能的指标。也就是把FAR、FRR两个参数统一为一个参数，来衡量指纹算法的整体性能。FAR和FRR是同一个算法系统的两个参数，把它放在同一个坐标中。FAR是随阈值增大而减小的，FRR是随阈值增大而增大的。因此它们一定有交点。这个点是在某个阈值下的FAR与FRR等值的点。习惯上用这一点的值来衡量算法的综合性能。对于一个更优的指纹算法，希望在相同阈值情况下，FAR和FRR都越小越好。
把FAR和FRR曲线都向下平移。同时相交点ERR也向下平移。所以EER值越小的时候，表示算法的整体性能越高。
由于当FRR与FAR相交时对应的阈值都很小，也就是说此时的相似度阈值连30%都不到。实际使用中的阈值至少设在80%以上，所以EER值并不被用在大众化场合来描述指纹算法的性能，只是在竞赛排名中使用。
拒登率
拒登率一般使用较少，在指纹识别术语中，它是一个意思相对比较含糊的词。在世界指纹算法大赛中，有个参数叫拒绝注册率，有时被称为拒登率，用来衡量指纹识别算法对指纹图像质量的挑剔程度，用REJENROLL。表示。在给定的指纹数量，如 100枚指纹图像中，可以成功注册或称为建档的指纹，如果是99，则REJENROLL ＝ 1%。对FVC大赛给出的标准指纹库来讲，绝大多数的指纹算法都可以建档成功，即REJENROLL 为0.00％。
在另外一种场合，拒登率通常被解释为指纹识别系统（包含指纹采集设备）不接受指纹注册的概率。这种情况下，拒绝注册的因素，除了算法本身的原因外，更多的受指纹采集设备的成像能力的影响。指纹采集设备输出的指纹图像质量越好，指纹识别系统的拒登率越低，指纹采集设备输出的指纹图像质量越低，其拒登率越高
