现代社会信息安全是人们关注的焦点,而准确鉴别个体身份是确保信息安全的关键。因此基于指纹、人脸、虹膜、掌纹、步态等个体独特的生物信息被广泛应用于身份认证技术,而虹膜图像以其高度的唯一性及防伪性等具有明显优势使得虹膜识别技术的应用成为了研究热点。由于一个完善的身份认证技术不仅仅需要高的精确度,同时其好的广谱性和实时性也不可或缺。鉴此,本文在分析虹膜识别技术研究现状的基础上,针对其实施的具体环节就不规则问题的快速定位和自适应识别进行了一些研究。首先,根据虹膜近似圆形但非圆的特点,且采集到的虹膜常常存在眼睑及睫毛的干扰,给出了一种不规则虹膜的快速定位方法。其是利用眼睛图像的灰度特点精确定位内边界。然后对圆周差分算法进行改进,提出一种从粗到精的快速定位外边界的方法。该方法使得定位的内边界与真实边界更加接近,外边界定位方法在不影响以圆周差分算法定位的准确率下,大大减少了定位时间。再对Canny算子进行适当改进,减少了许多虚假边缘,实现了快速检测眼睑边缘。其次,利用小波变换结合灰度共生矩阵提取虹膜纹理特征。而同一眼睛的不同虹膜图像的特征可能会存在差异,因此我们对提取出的特征通过BP算法进行训练和识别;又针对BP神经网络收敛较慢导致训练时间较长等不足,给出了两种改进方法,神经网络的变学习率算法和epsilon向量外推法的加速BP算法。两种改进方法不仅能减少训练时间,提高效率,还提高了识别率。最后,基于本文所得一系列结果,在Visual Studio 2010的开发平台上,结合MFC进行了虹膜的快速定位及自适应识别系统框架构建和设计。