Dirigido al problema de certificación uno a uno del iris en estado inestable en diferentes momentos de disparo, en este artículo se propone una estructura de modelo general de integración paralela de múltiples algoritmos. El iris en estado restringido ligero afectado por desenfoque, desviación e iluminación se toma como objeto de investigación, los algoritmos existentes se combinan efectivamente en la estructura del modelo, y se diseña un algoritmo de certificación uno a uno para el iris en estado inestable restringido ligero basado en la integración de múltiples algoritmos y la decisión máxima confiable. En este algoritmo, se extrajo un número suficiente de puntos de características internas del iris de la textura en estado inestable como información de iris efectiva a través de la capa de procesamiento de imágenes compuesta por varios algoritmos de procesamiento de filtrado, eliminando así la interferencia por desenfoque. En la capa de reconocimiento de características, la interferencia por desviación del iris se excluyó mediante los métodos mejorados de Gabor y Hamming y Haar y BP para las características estables extraídas por la capa de procesamiento de imágenes, y se obtuvieron dos resultados de certificación mediante reconocimiento paralelo. Se contó el número correcto de certificaciones para un algoritmo bajo una cierta condición de iluminación. El método con el mayor número correcto se estableció como el método máximo confiable bajo esta condición de iluminación, y los resultados del método máximo confiable se tomaron como la decisión final, eliminando así el efecto de la iluminación. Los experimentos utilizando las bibliotecas de iris JLU y CASIA bajo los requisitos en este artículo muestran que la tasa de reconocimiento correcto del algoritmo puede alcanzar un nivel alto de 98% o más, lo que indica que el algoritmo puede mejorar efectivamente la precisión de la certificación uno a uno del iris en estado inestable restringido ligero. En comparación con los últimos algoritmos de arquitectura, como CNN y aprendizaje profundo, el algoritmo propuesto es más adecuado para los requisitos presentados en este artículo, que tiene una buena inclusión ambiental y puede mejorar mejor la efectividad de los algoritmos tradicionales existentes a través del diseño de una estructura de modelo de integración paralela.