在声纹识别中，有几个重要的性能指标，far、frr、eer。
假设有1000人，每人采集了两条音频，构成了1000组数据，每组用一条音频当做注册音频，一条当做验证音频，通过每一通验证音频和每一通注册音频去比对，得到1000*1000条数据的结果。
Far：错误接受率，把不是一个人当成同人的占所非同人比对的概率，例如，所有非同人比对的次数等于1000*(1000-1)
Frr：错误拒绝率，当同一个人的声音当做不同的人占，所有同人比对的比例，例如上面1000个人和自己比对的只有1000条
Eer：等错误率，Far=Frr=eer
一般来说我们判断两通音频是不是同一个人是通过阈值，当比对的分数大于阈值就是同一个人，反之，就不是同一个人。通过上面的音频一一比对，我们能得到1000*1000条数据的结果，通过改变不同的阈值的分数【一般是0到1】，可以得到不同阈值下的Far、Frr，得到这个就可以计算eer了。
那怎么计算等错误率呢？为了得到eer【等错误率】，我们需要得到不同阈值下的far、frr，然后把它连成两条线，相交的点就是eer。这里我们可能根据阈值得到两个far、frr数组，然后通过相减取最小值的下标，我们可能通过这个下标获取对应的far、frr的值，然后相减除以二就可以得到近似的eer。
这里比较简单通过numpy就很很简单的实现
