虹膜特征
眼睛的虹膜是由相當復雜的纖維組織構成，其細部結構在出生之前就以隨機組合的方式決定下來了，虹膜識別技術將虹膜的可視特征轉換成一個512個字節的Iris Code（虹膜代碼），這個代碼模板被存儲下來以便后期識別所用，512個字節，對生物識別模板來說是一個十分緊湊的模板，但它對從虹膜獲得的信息量來說是十分巨大的。 虹膜從直徑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，而一般的生物識別技術只有13個到60個特征點。266個量化特征點的虹膜識別算法在眾多虹膜識別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。這在生物識別技術中，所獲得特征點的數量是相當大的。
算法
第一步是通過一個距離眼睛3英寸的精密相機來確定虹膜的位置。當相機對準眼睛后，算法逐漸將焦距對準虹膜左右兩側，確定虹膜的外沿，這種水平方法受到了眼瞼的阻礙。算法同時將焦距對準虹膜的內沿（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的范圍內（這是IR技術的低限，美國眼科學會在他們對macular cysts研究中使用同樣的范圍。） 在虹膜的上方，如上圖所示，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，要想明白二維gabor子波的原理需要懂得很深的數學知識。
精確度
由于虹膜代碼（Iris Code）是通過復雜的運算獲得的，并能提供數量較多的特征點，所以虹膜識別技術是精確度最高的生物識別技術，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
·兩個不同的虹膜產生相同Iris Code（虹膜代碼）的可能性是1:1052
錄入和識別
整個過程其實是十分簡單的，虹膜的定位可在1秒鐘之內完成，產生虹膜代碼（Iris Code）的時間也僅需1秒的時間，數據庫的檢索時間也相當快，就是在有成千上萬個虹膜信息數據庫中進行檢索，所用時間也不多，有人可能會對如此快的速度產生質疑，其實虹膜識別技術的算法還受到了現有技術的制約。我們知道，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著檢索的速度。當然，由于虹膜識別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。但是虹膜識別技術所采用的算法允許圖像質量在某種程度上有所變化。相同的虹膜所產生的Iris Code（虹膜代碼）也有25%的變化，這聽起來好像是這一技術的致使弱點，但在識別過程中，這種Iris Code（虹膜代碼）的變化只占整個虹膜代碼的10%，它所占代碼的比例是相當小的。
