1993年，美國國防部高階研究專案署（Advanced Research Projects Agency)和美國陸軍研究實驗(Army Research Laboratory)成立了Feret(Face Recognition Technology）專案組，建立了FERET人臉資料庫，用於評價人臉識別演算法的效能。

    被測試的演算法分為兩種：

    (1)半自動演算法。這種演算法需要人工指出圖象中人的兩眼中心的座標；

    (2)全自動演算法。這種演算法能夠自動定點陣圖象中的人臉，然後進行識別。

    測試時，人臉圖象分為兩個集合：

    (1)已知身份的人的圖象組成庫藏集;(gallery）或目標集(target)。

    (2)輸入給演算法的未知身份的人的圖象組成探測集;(probe)或查詢集(query)。

    對於人臉鑑別，查詢集合中的圖象分為四種：

    (1)FB圖象，圖象與目標集合中的圖象是在同日、同光照條件下拍攝。

    (2)FC圖象：圖象與目標集合中的圖象是在同日、不同光照的條件下拍攝。

    (3)復像I(duplicate;I);：圖象與目標集合中的圖象是在不同日、不同照相機的條件下拍攝。

    (4)復像II(duplicate;II)：圖象與目標集合中的圖象是在一年以後、不同照相機的條件下拍攝。

    測試時，被測試的演算法作為伺服器執行，測試統計程式作為客戶執行，客戶首先向伺服器傳輸庫藏集合，然後，逐幅向伺服器傳輸查詢圖象，伺服器接收到查詢圖象後，將結果返回客戶。

    到1997年底為止，參加測試的演算法中，對FB圖象的識別率很高，庫藏1196人中首選率（輸出的侯選圖象集合中，排在第一幅的圖象與查詢圖象為同一人的概率）達96%；對fc圖象的識別率也比較高，庫藏1196人中首選率達;81%；對兩個復像的識別率低，對復像;I，庫藏1196人中首選率為60%，對復像II，庫藏;864人中首選率為;51%。

    測試發現的主要問題：識別演算法對光照變化敏感；查詢圖象和目標圖象相隔一年半後，識別演算法的效能下降；識別演算法對人臉位置變化敏感：人臉偏轉角度大於15度後，效能下降；識別演算法對相機敏感。