生物体特征识别模式在目前安全应用领域有着广泛的应用,而在生物体特征识别模式中,虹膜识别作为最具有安全性以及稳定性的新型识别模式,得到了人们的广泛关注,对于虹膜的研究正处于一个快速发展的阶段。化妆品类美瞳对于虹膜纹理提取的影响成为了目前该领域一个亟待攻克的难题,尚无成熟的解决方案。本次课题的主要研究目标是在实际复杂光源环境下,提取虹膜纹理,实现美瞳和真实虹膜的准确分类。目前的美瞳检测算法更多的是依赖传统机器学习算法,进行特征多重提取以及由多重弱分类器整合成强分类器的方法,但在实际检测中并不能解决复杂光照环境引发的检测不准确问题,同时对于美瞳纹理种类多样性问题难以解决。因此,本次课题采用纹理提取算法对光照分布不均匀图片进行特征纹理提取,同时采用聚类算法增强不同类簇间的差异性便于纹理提取,结合深度学习算法进行美瞳检测,并开展相关研究。文章对虹膜识别以及美瞳检测的基本原理进行简要阐述,对美瞳特点、检测标准进行说明。对神经网络概念进行介绍。使用市面上大部分主流美瞳进行佩戴,并用采集器完成采集工作。编写美瞳检测的预处理软件代码,对美瞳进行定位,内外边缘的特征以及参数进行提取,并完成归一化操作。搭建卷积神经网络,对处理好的图像使用特征纹理提取以及聚类算法操作,并将数据投喂至神经网络中。使用软件对该算法预测结果的准确性、反应速度等方面进行评估,最终筛选出优化的美瞳识别算法。该算法目前已在实际产品中得到应用,并通过国家安全标准验证。