基于人眼视网膜的生物识别系统是一种模式识别系统,它根据一个人拥有的特定身体特征的特征源来识别一个人的眼睛视网膜图像。生物识别技术有很多种,其中一种就是用于人的身份识别的生物视网膜模式识别技术。生物模式视网膜识别是一种格式化的程序,它通过获取一个人的身体内部图像来提供对一个人的准确识别。人的视网膜是由细胞组成的非常微小的组织。为了提高生物识别的安全性,有必要利用人的视网膜图像进行识别。为了避免不法分子和伪造等情况,人类的视网膜是非常宝贵且值得保护的,因为其具有独特的组织结构和特征。在在我的研究工作中,基于人眼视网膜图像的生物识别系统通过卷积神经网络（CNN）进行特征提取并用长短期期记忆网络（LSTM）分类模型或神经网络（NNs）。为了完成这些工作,图像数据使用多个预处理程序进行扩增,因为数据集只包含单个图像人物,所以对图形数据进行了增强。用于增强图像数据的基本方法是锐度、平滑度、对比度调整、噪声添加、镜像、颜色移动、旋转、按比例调整旋转方向和调整旋转方向。本文利用MATLAB仿真工具进行了仿真,在仿真的基础上,对基于Epoch、LSTM Units参数和batch-size的四个模型进行了相互评价。每个模型在年龄上的精度都不同,其中模型四与现有的三个模型相比具有更高的精度。