En la última década, se ha llevado a cabo una investigación exhaustiva en términos de modalidades de biometría prometedoras con respecto a las características físicas de los humanos para el reconocimiento de personas. Este trabajo se centra en las características y rasgos del iris para la identificación de personas y la detección de vitalidad del iris. Este estudio utilizó cinco redes pre-entrenadas, incluyendo VGG-16, Inceptionv3, Resnet50, Densenet121 y EfficientNetB7, para reconocer la vitalidad del iris utilizando técnicas de transferencia de aprendizaje. Estos modelos se compararon utilizando tres bases de datos biométricas de última generación: el conjunto de datos LivDet-Iris 2015, el conjunto de datos de contacto IIITD y el conjunto de datos ND Iris3D 2020. La precisión de validación, la pérdida, la precisión, la recuperación y la puntuación f1, APCER (tasa de error de clasificación de presentación de ataque), NPCER (tasa de error de clasificación de presentación normal) y ACER (tasa de error de clasificación promedio) se utilizaron para evaluar el rendimiento de todos los modelos pre-entrenados. Según los datos observacionales, estos modelos tienen una capacidad considerable para transferir su experiencia al campo del reconocimiento del iris y para reconocer las nanoestructuras dentro de la región del iris. Utilizando el conjunto de datos ND Iris 3D 2020, el modelo EfficeintNetB7 ha logrado una precisión de identificación del 99.97%. Los experimentos muestran que los modelos pre-entrenados superan a otras variantes actuales de biometría del iris.