有统计表明，虹膜识别是各种生物特征识别中准确率最高的识别手段。近期虹膜识别由于其识别结果的高精度而受到特别关注。
虹膜是位于眼睛黑色瞳孔和白色巩膜之间的圆环状部分，总体上呈现一种由里到外的放射状结构，包含许多相互交错的类似斑点、细丝、冠状、条纹、隐窝等形状的细微特征,如图1所示。这些特征信息对每个人来说都是惟一的，其惟一性主要是由胚胎发育环境的差异所决定的。通常，人们将这些细微特征信息称为虹膜的纹理信息。
与其他生物特征（如面像、指纹、声纹等）相比，虹膜是一种更稳定、更可靠的生理特征。而且，由于虹膜是眼睛的外在组成部分，因此基于虹膜的身份鉴别系统对使用者来说可以是非接触的。惟一性、稳定性和非侵犯性，使得虹膜识别技术具有广泛的应用前景。
从颜色信息到细微特征
虹膜中包含有丰富的色素细胞，当外部光线照射到眼睛上时，由于不同人的色素细胞对光有不同的吸收率，使得虹膜呈现不同的颜色。从识别的角度来说，虹膜的颜色信息并不具有广泛的区分性，那些相互交错的类似于斑点、细丝、冠状、条纹、隐窝等形状的细微特征才是虹膜惟一性的体现。这些细微特征在彩色图像和灰度图像中是一致的，因此一般采用灰度图像进行虹膜识别的研究。
19世纪，一个法国人类学家指出人类的生理特征具有区分不同个体的能力。他的儿子随后将其思想应用于巴黎的刑事监狱中，使用耳朵大小、脚的长度等生理特征来区分不同的犯人，虹膜也是当时使用的生理特征之一，不过那时主要利用的是虹膜的颜色信息（与亚洲人不同，欧洲人的虹膜具有各种各样的颜色）和形状信息。
1936年，眼科专家Frank Burch指出虹膜具有独特的信息，可用于身份识别；1987年，眼科专家Aran
Safir 和 Leonard Flom首次提出利用虹膜图像进行自动虹膜识别的概念，但当时并没有开发出一个实际的应用系统。
1991年，美国洛斯阿拉莫斯国家实验室的Johnson实现了一个自动虹膜识别系统，这是有文献记载的最早的一个应用系统。随后，在1993年，John
Daugman实现了一个高性能的虹膜识别原型系统。目前，大部分自动虹膜识别系统都是使用Daugman的核心识别算法。Richard
Wildes在1996年同样成功研制了基于虹膜的身份认证系统。同时，北美和欧洲也有一些科学工作者致力于虹膜识别方面的研究。
国内从事虹膜识别的研究相对较晚，主要的研究单位有中科院自动化所、华中科技大学、浙江大学等。其中，中科院自动化所模式识别国家重点实验室于2000年成功开发出具有自主知识产权的虹膜识别原型系统，他们还利用研制的虹膜图像获取装置建立和共享了用于科学研究的虹膜数据库--CASIA虹膜数据库，这是当前国际上最大的共享虹膜数据库，正逐渐成为虹膜识别研究领域的公共平台。
虹膜识别三步曲
利用特殊的图像采集装置获取虹膜的图像后，采用一定的算法将虹膜图像中的细微特征转化为对应的特征向量，再通过计算特征向量的相似性区分不同的虹膜，即可实现身份鉴别。虹膜识别系统的结构如图所示。
虹膜识别系统主要包含虹膜图像采集装置、活体虹膜检测算法、特征提取和匹配三大模块。
虹膜图像的获取是虹膜识别中的第一步，同时也是比较困难的步骤。虹膜面积小，而且不同人种的虹膜颜色有着很大差别。这些使得普通的摄像头无法拍摄出可以用于识别的清晰虹膜图像。专用的虹膜图像采集装置包括光学成像系统、电子控制单元和适当的软件算法（如图像恢复与增强、聚焦判断等算法）。在实际的应用中，虹膜识别系统还应当能够可靠地鉴别出采集到的图像是否来自有生命的个体，即系统应具有活体虹膜检测的功能，从而彻底排除利用他人虹膜图像进行非法活动的可能。同传统的身份鉴别方法相比，这也是生物特征识别的主要优点之一。活体检测算法应充分利用眼睛的生理和光学特性。特征提取和匹配则是虹膜识别系统中最核心的部分，即使用有效的特征对虹膜图像进行描述，并刻画特征向量之间的相似性。
进入日常生活应用
高准确性和非侵犯性使得虹膜识别技术成为最有前途的一种身份识别方法。
2000年，美国国防高级研究项目署（DARPA）启动了名为HID的研究项目，即远距离身份识别，其中包括远距离虹膜识别项目（Iris
Recognition at a Distance）。该项目的研究目的之一就是将虹膜识别应用于未来的国家安全领域，尤其是国家重要信息和技术的管理
随着远距离虹膜图像获取技术的成熟以及识别算法性能的进一步提升，虹膜识别应用于日常生活已经成为可能。例如，长野冬季奥运会使用该技术对射击项目行安全管理；2001年，一些欧洲考试中心使用基于虹膜识别技术的系统对应试者进行身份鉴别；2002年，英国最大的伦敦Heathrow机场开始在入境口岸试用虹膜识别系统，加强入境安全管理
20世纪90年代末期，越来越多的科研工作者、研究机构和公司，如Iridian
Technologies、LG、松下、OKI等都投入到虹膜识别的研究中来。美国的Iridian
Technologies公司是一家专门从事虹膜识别技术研究与产品开发的公司，它与上述一些知名公司合作开发了远距离虹膜图像获取装置，并提供Authenticam，IrisAccess
等产品。
虹膜识别综述
基于虹膜的身份识别思想最早可以追溯到19世纪80年代。1885年，ALPHONSE
BERTILLON将利用生物特征识别个体的思路应用在巴黎的刑事监狱中，当时所用的生物特征包括：耳朵的大小、脚的长度、虹膜等。受技术的限制，当时的虹膜识别主要依据颜色和形状信息，而且信息通过人的观察获取。1987年，眼科专家ARAN
SAFIR和LEONARD FLOM首次提出利用虹膜图像进行自动虹膜识别的概念，但是他们并没有开发出一个实际的应用系统。到1991年，美国洛斯阿拉莫斯国家实验室的JOHNSON实现了一个自动虹膜识别系统。这是有文献记载的第一个虹膜识别应用系统。随后1993年，JOHN
DAUGMAN实现了一个高性能的自动虹膜识别原型系统。目前，大部分的自动虹膜识别系统使用DAUGMAN核心算法。
虹膜是位于眼睛黑色瞳孔和白色巩膜之间的圆环状部分，总体上呈现一种由里到外的放射状结构，由相当复杂的纤维组织构成，包含有很多相互交错的类似于斑点、细丝、冠状、条纹、隐窝等细节特征，这些特征在出生之前就以随机组合的方式确定下来了，一旦形成终生不变。虹膜识别的准确性是各种生物识别中最高的。
一般的，一个自动虹膜识别系统包含硬件和软件两大模块：虹膜图像获取装置和虹膜识别算法。分别对应于图像获取和模式匹配这两个基本问题。
采集：
从直径11mm的虹膜上，Dr.
Daugman的算法用3.4个字节的数据来代表每平方毫米的虹膜信息，这样，一个虹膜约有266个量化特征点，而一般的生物识别技术只有13个到60个特征点。266个量化特征点的虹膜识别算法在众多虹膜识别技术资料中都有讲述，在算法和人类眼部特征允许的情况下，
Dr. Daugman指出，通过他的算法可获得173个二进制自由度的独立特征点。在生物识别技术中，这个特征点的数量是相当大的。
算法：
第一步是通过一个距离眼睛3英寸的精密相机来确定虹膜的位置。当相机对准眼睛后，算法逐渐将焦距对准虹膜左右两侧，确定虹膜的外沿，这种水平方法受到了眼睑的阻碍。算法同时将焦距对准虹膜的内沿（即瞳孔）并排除眼液和细微组织的影响。
单色相机利用可见光和红外线，红外线定位在700-900mm的范围内（这是IR技术的低限，美国眼科学会在他们对macular
cysts研究中使用同样的范围。） 在虹膜的上方，算法通过二维Gabor子波的方法来细分和重组虹膜图象，第一个细分的部分被称为phasor，要理解二维gabor子波的原理需要很深的数学知识。
精确度：
虹膜识别技术是精确度最高的生物识别技术，具体描述如下：
两个不同的虹膜信息有75%匹配信息的可能性是1:106
等错率：1:1200000
两个不同的虹膜产生相同虹膜代码的可能性是1:1052
录入和识别：
虹膜的定位可在1秒钟之内完成，产生虹膜代码的时间也仅需1秒的时间，数据库的检索时间也相当快。处理器速度是大规模检索的一个瓶颈，另外网络和硬件设备的性能也制约着检索的速度。由于虹膜识别技术采用的是单色成像技术，因此一些图像很难把它从瞳孔的图像中分离出来。但是虹膜识别技术所采用的算法允许图像质量在某种程度上有所变化。相同的虹膜所产生的虹膜代码也有25%的变化，这听起来好象是这一技术的致命弱点，但在识别过程中，这种虹膜代码的变化只占整个虹膜代码的10%，它所占代码的比例是相当小的。 |
