虹膜识别的关键技术主要包括四个部分：虹膜成像技术、活体判别技术、质量评价技术和特征表达技术。具体而言，分别解决的是虹膜信息有无问题、图像真假判断问题、虹膜图像的好坏问题以及图像主体问题。
也即随着虹膜技术未来的更大范围应用，不止人脸，运用在以动物为代表的其他生物等领域中同样可期。
据孙哲南介绍，目前其所在团队研究的成像技术框架，是在成像过程中，引入认知任务对光学系统的参数和计算成像算法采用自适应处理。“我们把光场成像的研究成果运用进来，既记录光的强度也记录光的方向，可以得到四维光感数据，然后进行计算成像的处理、扩展景深。 光场成像对虹膜识别的价值在于，可以实现多目标、大景深。”
算法层面的其中一个关键，是如何有效分割虹膜图像的有效区域。进行睫毛、眼睛遮挡的分割，表达虹膜的特征、进行合理检测。
“传统算法基本只能解决虹膜的分割，对图像中的像素进行语义标准，定义是虹膜区还是非虹膜区，在此基础上，我们提出多任务的神经网网络，并且带了主动视觉注意机制。不管是可见光虹膜成像分割、跨设备、跨场景的虹膜分割，都得到很好的效果。”孙哲南表示。
虽然当前在移动终端的应用尚未普及开，但据介绍识别效果已有大幅提升。“移动终端光靠虹膜识别还达不到非常好的效果，通过虹膜和眼珠问题特征的收集融合，识别错误率可以降低50%左右，在移动终端错误率可以达到千分之五左右，足够满足移动终端身份识别的需求。”孙哲南表示。
但他也指出，目前虹膜成像模式存在成像和认知计算分离问题，即成像和识别算法尚未一体化。目前的研究方向便是，在成像过程中，引入认知任务的驱动，比如在成像过程中采用动态可变的传感框架，可以自适应选择最优波段、成像光学参数、计算成像算法等，对运动的目标主动式成像。
“在未来，从受控场景到复杂场景的生物特征，一定会在感知模式、采集难度等方面进一步优化。尤其是数据量很大的时候，对于深度学习的算法需要继续革新。同时我们也在做远距离、多模态、高通量、无感知的设备。”中科虹霸总经理马力总结道。
应用场景加速落地
技术逐步成熟之后，落地的进展最先与国家标准建立有关。“十三五”以来，大量虹膜识别相关的国家和行业标准开始发布或立项。
据马力介绍，目前已发布的标准，内容指向包括图像技术要求、数据交换格式、算法测评方法、程序接口规范等方面；对于采集设备通用技术要求方面正在报批过程中。
