در این پروژه یک سامانه تأیید هویت بر مبنای استفاده از تصاویر عنبیه پیاده سازی شده است. از ویژگی های بافتی عنبیه برای تأیید هویت استفاده شده است. برای این منظور در ابتدا گوشه های تصویر روشنایی در ناحیه ی عنبیه استخراج می شود. سپس برای هر عنبیه یک دنباله از نماد ها که توصیفگر بافت روشنایی است تشکیل می شود. بر اساس رشته ی حاصله، برای هر تصویر یک مدل مخفی مارکوف آموزش یافته و ماتریس انتقال حالت و ماتریس احتمال مشاهدات مدل تصویر عنبیه-ی هر فرد ذخیره می شود. در مرحله ی آزمون، مجدداً آشکار سازی گوشه ها در تصویر روشنایی دریافتی از کاربر و همچنین استخراج رشته سمبل های توصیفگر بافت تصویر روشنایی عنبیه انجام می گیرد. سپس براساس مدل های ذخیره شده در مرحله قبل، محتمل ترین مسیر برای رشته سمبل های دریافتی محاسبه می شود. در ادامه، نتیجه با دنباله ی حالات ذخیره شده برای مدلی که مرتبط با کد هویت دریافتی از کاربر است مقایسه می شود. در خاتمه نیز چنانچه مدلی که بیشترین شباهت به دنباله ی مشاهدات را دارا است با مدل مرتبط با کد هویت دریافتی منطبق باشد، هویت کاربر مورد تأیید قرار خواهد گرفت. هدف اصلی تأیید هویت، رسیدن به سامانه ای با نرخ پذیرش نادرست کمتر است. نتایج پیاده سازی در نرم افزار متلب نشان می دهد بهترین نتایج مربوط به مدل مخفی مارکوف دارای سه حالت و پنج سمبل است که به تأیید هویت با نرخ پذیرش نادرست کمتر (0/0031far=) نائل می شود. در این حالت صحت بازشناسی 61% می باشد. با اعمال تبدیلات هندسی تصاویر مصنوعی از روی تصویر آموزش تهیه شده است و در مرحله آموزش مورد استفاده قرار گرفت. برای هر عنبیه یک مدل مخفی مارکوف دارای سه حالت و پنج سمبل آموزش می یابد. نرخ پذیرش نادرست به 0/0023کاهش می یابد. بنابراین صحت بازشناسی70/3% است.