近年来传染性极强的新型冠状病毒在全球肆虐,由于其呼吸道飞沫传播和接触传播特点,对生物信息识别技术的应用提出了新的要求和挑战。虹膜识别技术因其非接触性、稳定性、唯一性等特点,符合实际应用需求现已经逐渐成为生物信息识别技术中热度最高的身份识别认证技术。本文以虹膜库中通过质量评价的虹膜图像为研究对象,针对传统虹膜特征提取与虹膜识别算法出现的问题做出了改进,提高了识别准确率及算法的性能。传统单一特征提取算法提取虹膜特征时,当纹理分布、走向及轮廓边缘较为相似时其特征编码也会较为相似,容易造成误识。针对此问题本文提出了一种特征融合的特征提取算法。使用频域小波的高频部分提取出虹膜图像的轮廓、边缘特征,同时使用空域滤波算法提取虹膜图像的整体纹理特征,将其融合在一起组成特征向量,充分利用虹膜图像的纹理信息利用率。融合空域特征弥补了频域小波低频表现力不足的同时,也提高了虹膜识别的准确率。在识别算法方面,本文结合算法应用场景及目前常用且权威的虹膜开源数据库的类别数量多、单类别样本数据量少的特点对传统的识别算法做出了改进。提出距离类匹配算法KNN结合BP神经网络由粗到精的识别算法,对待识别虹膜特征向量经KNN算法在模板库中排序,特征越相似排名越靠前,取排名前百分之五的特征向量所属类别为待定类别,淘汰特征差异较大的类别,对待定的类别使用BP神经网络进行一对一精确比对,减少了非相似类别的干扰增加了识别准确率。此外在神经网络的训练上使用智能优化算法对其进行优化,使用变异算子优化的萤火虫算法训练神经网络的初始权值阈值,进一步提高了虹膜识别算法的性能。最后从算法应用的方面考虑,将算法移植到价格低、体积小的嵌入式设备树莓派上,实现了算法在嵌入式硬件平台上的应用。本文以CASIA虹膜库及JLU6.0虹膜库的图像为虹膜实验的数据样本,采用ROC曲线、准确率及等错率为评判指标,设立了实验分析本文所提出的算法在虹膜特征提取和虹膜识别的优化性能及对整体虹膜识别系统的优化效果。