虹膜识别技术一直以来被认为是互联网生物识别技术中安全性更高的一种。这是源于，无论指纹还是面部，在外部环境乃至于人的心态等变化之下，或多或少会有所改变，但若非经历危及眼睛的外科手术，人的虹膜几乎会终生不变。因此虹膜识别相比其他两种技术，相对更稳定、防伪特征更高。虹膜本身是动态的，瞳孔会随着光线而变化，因此从防伪角度就有很大的价值。，主要是通过红外光下呈现的如斑点、条纹、隐窝等虹膜中的细节特征，识别人的身份。
相比其他采集的信息，虹膜的物理尺寸小，人的虹膜直径仅约11毫米，因此虹膜识别的图像分辨率要求较高，导致虹膜成像景深比较小，千讯咨询发布的《中国互联网市场前景调查分析报告》显示，用户眼睛必须放在互联网光图上，特别是东方人都是褐色虹膜色素细胞，采用近红外光才能看清虹膜纹理细节特征。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。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。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。
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。