在聲紋識別中，有幾個重要的性能指標，far、frr、eer。
假設有1000人，每人采集了兩條音頻，構成了1000組數(shù)據(jù)，每組用一條音頻當做注冊音頻，一條當做驗證音頻，通過每一通驗證音頻和每一通注冊音頻去比對，得到1000*1000條數(shù)據(jù)的結果。

Far：錯誤接受率，把不是一個人當成同人的占所非同人比對的概率，例如，所有非同人比對的次數(shù)等于1000*(1000-1)
Frr：錯誤拒絕率，當同一個人的聲音當做不同的人占，所有同人比對的比例，例如上面1000個人和自己比對的只有1000條
Eer：等錯誤率，F(xiàn)ar=Frr=eer

一般來說我們判斷兩通音頻是不是同一個人是通過閾值，當比對的分數(shù)大于閾值就是同一個人，反之，就不是同一個人。通過上面的音頻一一比對，我們能得到1000*1000條數(shù)據(jù)的結果，通過改變不同的閾值的分數(shù)【一般是0到1】，可以得到不同閾值下的Far、Frr，得到這個就可以計算eer了。

那怎么計算等錯誤率呢？為了得到eer【等錯誤率】，我們需要得到不同閾值下的far、frr，然后把它連成兩條線，相交的點就是eer。這里我們可能根據(jù)閾值得到兩個far、frr數(shù)組，然后通過相減取最小值的下標，我們可能通過這個下標獲取對應的far、frr的值，然后相減除以二就可以得到近似的eer。
這里比較簡單通過numpy就很很簡單的實現(xiàn)