發展曆程
追溯至19世紀80年代。1885年，ALPHONSEBERTILLON将利用生物特征識别個體的思路應用在巴黎的刑事監獄中，當時所用的生物特征包括：耳朵的大小、腳的長度、虹膜等。n1987年，眼科專家ARAN SAFIR和LEONARDFLOM首次提出利用虹膜圖像進行自動虹膜識别的概念，到1991年，美國洛斯阿拉莫斯國家實驗室的JOHNSON實現了一個自動虹膜識别系統。n1993年，JOHNDAUGMAN實現了一個高性能的自動虹膜識别原型系統。今天，大部分的自動虹膜識别系統使用DAUGMAN核心算法。n虹膜是位于眼睛黑色瞳孔和白色鞏膜之間的圓環狀部分，總體上呈現一種由裡到外的放射狀結構，由相當複雜的纖維組織構成，包含有很多相互交錯的類似于斑點、細絲、冠狀、條紋、隐窩等細節特征，這些特征在出生之前就以随機組合的方式确定下來了，一旦形成終生不變。虹膜識别的準确性是各種生物識别中最高的。n采集n從直徑11mm的虹膜上，Dr.Daugman的算法用3.4個字節的數據來代表每平方毫米的虹膜信息，這樣，一個虹膜約有266個量化特征點，而一般的生物識别技術隻有13個到60個特征點。266個量化特征點的虹膜識别算法在衆多虹膜識别技術資料中都有講述，在算法和人類眼部特征允許的情況下，Dr. Daugman指出，通過他的算法可獲得173個二進制自由度的獨立特征點。在生物識别技術中，這個特征點的數量是相當大的。n算法n第一步是通過一個距離眼睛3英寸的精密相機來确定虹膜的位置。當相機對準眼睛後，算法逐漸将焦距對準虹膜左右兩側，确定虹膜的外沿，這種水平方法受到了眼睑的阻礙。算法同時将焦距對準虹膜的内沿（即瞳孔）并排除眼液和細微組織的影響。單色相機利用可見光和紅外線，紅外線定位在700-900mm的範圍内（這是IR技術的低限，美國眼科學會在他們對macularcysts研究中使用同樣的範圍。）在虹膜的上方，算法通過二維Gabor子波的方法來細分和重組虹膜圖象，第一個細分的部分被稱為phasor，要理解二維gabor子波的原理需要很深的數學知識。n精确度n虹膜識别技術是精确度最高的生物識别技術，具體描述如下：兩個不同的虹膜信息有75%匹配信息的可能性是1:106等錯率：1:1200000兩個不同的虹膜産生相同虹膜代碼的可能性是1:1052。n錄入和識别n虹膜的定位可在1秒鐘之内完成，産生虹膜代碼的時間也僅需1秒的時間，數據庫的檢索時間也相當快。處理器速度是大規模檢索的一個瓶頸，另外網絡和硬件設備的性能也制約着檢索的速度。由于虹膜識别技術采用的是單色成像技術，因此一些圖像很難把它從瞳孔的圖像中分離出來。但是虹膜識别技術所采用的算法允許圖像質量在某種程度上有所變化。相同的虹膜所産生的虹膜代碼也有25%的變化，這聽起來好像是這一技術的緻命弱點，但在識别過程中，這種虹膜代碼的變化隻占整個虹膜代碼的10%，它所占代碼的比例是相當小的
優點
便于用戶使用；.可能會是最可靠的生物識别技術；
不需物理的接觸；
可靠性高
快捷方便：擁有本系統，不需要攜帶任何證件，就能實現門控，可單向亦可雙向；既可以被授權控制一扇門，也可以控制開啟多扇門；
授權靈活：本系統根據管理的需要，可任意調整用戶權限，随時了解用戶動态，包括客戶身份、操作地點、功能及時間次序等，實現實時智能管理；
無法複制：本系統以虹膜信息為密碼，不可複制；且每一次活動，都可自動記錄，便于追溯、查詢，非法情況則自動報警；
配置靈活多樣：使用人和管理者可根據自身喜好、需要或場合的不同，設定不同的安裝及運行方式。比如在大堂等公共場所，可以隻采用輸入密碼的方式，但在重要場合，則禁止使用密碼，隻采用虹膜識别方式，當然也可以兩種方式同時使用；
投入少、免維護：裝配本系統可以保留原來的鎖，但其機械運動件減少，且運動幅度小，門栓的壽命更長；系統免維護，并可随時擴充、升級，無須重新購置設備。長遠來看，效益顯着，并可使管理檔次大大的提高。
應用行業廣泛：廣泛應用于煤礦、銀行、監獄、門禁、社保、醫療等多種行業；
缺點
很難将圖像獲取設備的尺寸小型化；
設備造價高，無法大範圍推廣；
鏡頭可能産生圖像畸變而使可靠性降低；
兩大模塊：硬件和軟件
一個自動虹膜識别系統包含硬件和軟件兩大模塊：虹膜圖像獲取裝置和虹膜識别算法。分别對應于圖像獲取和模式匹配這兩個基本問題。
