最近的一项消费者调查显示，人们越来越接受生物识别技术。近一半 (46%) 的受访者表示，在 COVID-19 大流行期间，生物识别技术让他们的生活更轻松。与两年前进行的类似研究相比，生物识别舒适度显着提高。

这项由商业应用程序和软件发现平台的在线生态系统 GetApp 进行的调查显示，自 2020 年以来，消费者对虹膜识别的舒适度提高了 31%。这种流行病似乎有助于将虹膜和面部识别等非接触式生物识别技术推向主流.

很容易看出为什么越来越多的人欣赏虹膜生物识别技术的速度、准确性和非接触式优势——尤其是在长期大流行期间。越来越多的机场、医院、制造厂、数据中心和政府机构使用虹膜生物识别系统。

GetApp 调查的受访者表示，出于安全目的（例如护照控制），他们乐于共享生物特征数据。然而，大多数人对与共享数据相关的潜在数据泄露和侵犯隐私表示担忧。

这些担忧表明生物识别行业仍然面临着我们的工作。虹膜扫描模板是加密的，因此它们不能被还原和重新设计以用于识别目的。虹膜生物识别技术的使用提供了比访问控制卡、护照或驾驶执照等其他常见身份识别形式更大的隐私。虹膜生物识别技术的实施为保护个人隐私提供了一个安全的包络。

人们经常对新技术持谨慎态度是可以理解的。但生物识别技术旨在实现最高级别的身份识别，同时防止黑客和其他希望从他人身份中获利的人。

通常，虹膜靠近上下眼皮的部分总会被眼皮所遮挡，因此还必须检测出虹膜与上下眼皮的边界，从而准确地确定虹膜的有效区域。虹膜与上下眼皮的边界可用二次曲线来表示。虹膜定位的目的就是确定这些圆以及二次曲线在图像中的位置。

用的定位方法大致分为两类，一是，边缘检测与Hough变换相结合的方法；二是，基于边缘搜索的方法。

这两种方法共同的缺点是运算时间长，因此出现了一些基于上述两种策略的改进方法，但是速度并没有数量级的提高。定位仍然是虹膜识别过程中运算时间最长的步骤之一。

虹膜图像归一化

虹膜图像归一化的目的是将虹膜的大小调整到固定的尺寸。到目前为止，虹膜纹理随光照变化的精确数学模型还没有得到。因此，从事虹膜识别的研究者主要采用映射的方法对虹膜图像进行归一化。如果能够对虹膜纹理随光照强度变化的过程建立数学模型或者近似模拟这个过程，将会对虹膜识别系统性能的提高有很大帮助。

图像增强

图像增强的目的是为了解决由于人眼图像光照不均匀造成归一化后图像对比度低的问题。为了提高识别率，需要对归一化后的图像进行图像增强。

特征提取

特征提取是指通过一定的算法从分离出的虹膜图像中提取出独特的特征点，并对其进行编码

识别精确

• 虹膜认假的统计概率是 1/120 万。

• 检查人眼 400 个可测量变量（自由度）中的 240 多个变量。

• 独特性 = 准确性

• 两个人有相同虹膜模式的概率是 1078

• 双胞胎尽管拥有相同的 DNA，但虹膜模式不同

• 左眼和右眼的虹膜完全不同

• 人发育到 1 岁后虹膜就变得相对稳定

可进行 1:N 识别和 1:1 验证

• 积极识别 – 虹膜是在数学意义上独特性最高的生物特征。

• 只有虹膜识别能够提供有效的 1:N 识别和 1:1 验证。

虹膜特征：生物测定学上的“最佳特征”

• 最小的离群值

• 物理差异影响小

• 年龄：稳定的模板：1 --> 99 *

• 一次性持久登记

• 最快的身份鉴别

• 1:N 识别和 1:1 验证

• 单或双因素模式

• 最低的 FAR（错误接受率） 和 最低的 FRR（错误拒绝率）。相当于错误率 1 x 120 万/眼

* 针对新生儿的有限数据，也不包括创伤/手术/低发病率疾病。

性能数据

• 与其他所有生物识别技术（DNA 除外）相比，复杂的虹膜会导致更多的自由度（数据点）

• 高质量的登记甚至能降低对完美“现场”呈现的要求。