PIC-Score：用于单模态与多模态（人脸）识别中最优匹配置信度的概率可解释比较得分

在生物特征识别领域，匹配置信度（matching confidence）指的是系统对某次匹配决策正确性的可信程度。由于许多生物特征识别系统应用于关键决策场景（如法医学调查），因此准确且可靠地表达匹配置信度具有重要意义。以往的生物特征置信度估计方法虽能有效区分高置信度与低置信度情况，但缺乏可解释性，因而无法提供对决策正确性的精确概率估计。本文提出一种概率可解释的比较得分（Probabilistic Interpretable Comparison, PIC）方法，该方法能够准确反映某一得分来自同一身份样本的概率。我们证明了所提出的方法可提供最优的匹配置信度估计。与现有方法不同，PIC还能在联合评分中最优地融合多个样本，从而进一步提升识别性能与置信度估计的准确性。在实验中，所提出的PIC方法在四个公开可用的数据集上，与所有现有的生物特征置信度估计方法进行了对比，并在五种先进的面部识别系统上进行了验证。实验结果表明，PIC在概率解释的准确性方面显著优于同类方法，且在多模态生物特征识别任务中表现出极高的有效性。相关代码已公开发布。