随着近些年人工智能与图像识别领域呈现出的越来越火热的趋势以及智能电子设备数量和普及率的爆发式增长,让生物识别技术真正的融入到了人们的生活之中。虹膜识别技术快速发展的三十年来,国内外专家学者经过不懈的努力,已经提出并完善了许多经典的算法。但是无论识别技术如何先进,如果不能对伪造攻击手段做出有效的防御也不能被称作是合格的识别技术。本文主要针对已有基于瞳孔对光反射特性的活体检测算法的所存在的局限性结合了虹膜纹理变化检测共同组成分类特征来对相应攻击模型进行防御。并根据该算法无法很好防御的移动智能设备等新生攻击手段提出了基于双红外波段的活体虹膜检测算法。丰富完善了对于不同攻击手段的防御方法。本文的创新性工作可以概括如下:(1)提出了一种结合虹膜纹理和瞳孔反射特性的活体检测算法,在原有算法通过对瞳孔光反射特性检测的基础上结合对虹膜纹理特征的检测来防御通过位移变化等方法模拟瞳孔收缩变化的模型攻击。在该算法中为了对瞳孔部分更准确的进行分割提出了步进式自适应阈值选取算法,相比固定阈值的分割具有更好的鲁棒性,为后续的定位精准度提供保障。提出了改进的基于Hough变换的定位算法在原有基础上结合了形态学质心法,对瞳孔和虹膜在感兴区域内进行定位,降低了搜索空间,相较几何算法提升了定位准确度的同时大大缩短了算法的耗时,提高了效率。(2)提出了一种基于双红外波段的活体虹膜检测算法,通过活体人眼中血管内组织与伪造样本在不同红外波段的吸收反射率的差异来进行真伪区分。通过对活体和伪造样本中的血管纹理特征在不同红外波段下的成像清晰程度进行统计实验,选取活体人眼与伪造样本前后纹理特征数量变化差异性最大的两个红外波段作为算法中的两个对照波段。该方法可以很好的对前一算法无法很好防御的移动智能设备等新生攻击手段进行防御。针对上述方法,本文在CASIA v1.0和v2.0虹膜库及所采集虹膜库上进行了充分的实验,进一步验证了所提出方法具有一定的有效性。