生物识别系统制造商声称具有很高的系统性能，这在实际操作环境中实际上很难实现。可能的原因是在受控环境设置中进行的测试，硬件限制等。

例如，语音识别系统只能在安静的环境中有效工作，如果控制照明条件，面部识别系统可以正常工作，并且可以训练候选人清洁手指并将其正确放置在指纹扫描仪上。

但是，实际上，这种理想条件可能在目标操作环境中不可用。

绩效评估

生物识别系统的性能测量与错误拒绝率(FRR)和错误接受率(FAR)紧密相关。

FRR也称为I型错误或错误不匹配率(FNMR)，它指出合法用户被系统拒绝的可能性。

FAR被称为II型错误或错误匹配率(FMR)，它指出系统接受错误身份声明的可能性。

理想的生物识别系统有望为FAR和FRR产生零值。意味着它应该接受所有真正的用户，并拒绝所有虚假的身份声明，这实际上是无法实现的。

FAR和FRR彼此成反比。如果FAR得到改善，则FRR会下降。具有高FRR的生物识别系统可确保高安全性。如果FRR太高，则系统需要多次输入实时样本，这会降低效率。

当前的生物识别技术的性能远非理想。因此，系统开发人员需要根据安全要求在这两个因素之间保持良好的平衡。