苹果HomeView识人流程公开：最多认6人，只回暗号不留照片

11月12日，苹果发布了一篇新博文。博文除了介绍iPhone 18 Pro和iPhone 18 Pro Max所采用的“安全隔离区”（Secure Exclaves）架构，还首次公开了其首款智能家居中枢HomeView的人员识别流程。

按照此前的消息，在家庭场景下，HomeView最多能识别6位用户，并根据识别结果给出个性化体验。它不走Face ID那条路，主要靠Center Stage摄像头做面部识别，再结合语音识别来判断当前在场的是哪位家庭成员。

不过要触发识别，得先满足几个前提：用户需要有一台支持Apple Intelligence的“已注册个人设备”，这台设备要连着家庭Wi-Fi，而且必须处于最近解锁的状态。只有这些条件都齐了，HomeView才能通过面部或语音认出该用户。

识别时的顺序是这样的：HomeView先用Center Stage摄像头和语音判断“谁可能在场”，然后核对该用户的iPhone或iPad是否连着家庭Wi-Fi、近期有没有解锁过。三方面都对上，系统才会把这个成员和个性化体验关联起来。

最新博文里，苹果把HomeView人员识别的内部流程讲得很细，大致可以串成一条线：摄像头、麦克风输入，进入隔离区检测与处理，提取人脸和声音特征，匹配已登记身份，最后只向系统返回“谁、在哪、把握多大”。

1. 启动时，先加载已登记用户资料

设备一启动，人员识别隔离区（Person Recognition Exclave）就会从安全存储隔离区（Secure Exclaves）里把此前登记的人脸、声音识别模型及身份数据库读进来，为后面的匹配做准备。

2. 摄像头发现人脸，但不把画面交给系统

摄像头拍下的连续画面会进入摄像头隔离区，由它检测人脸、标出人脸边界框，再把相关画面排队，等待进一步处理。

这时候，摄像头隔离区可以给主系统中的后台进程发个通知：“可能有人出现了。”但通知里不带图像数据，画面仍旧留在安全隔离区内。

3. 麦克风提供另一条判断线索

音频则先经过音频隔离区，完成异常检测和回声消除等处理，然后才送入人员识别隔离区。

和摄像头一样，音频隔离区也能向主系统报告“可能有人在附近”，但不会把音频交给主系统。换句话说，“检测到有人”和“允许系统取得录音”是两回事。

4. 神经网络引擎提取人脸和声音特征

接下来，人员识别隔离区会请求神经网络引擎隔离区加载人脸、声纹模型，生成用于身份匹配的特征。

整个计算过程中，数据一直保存在隔离区控制的内存里，主操作系统碰不到。神经网络引擎用的是隔离区专用的工作队列，每个模型跑完，还会把相关状态清除掉。

5. 综合人脸与声音，判断具体是谁

人员识别隔离区中的编排服务会把生成的人脸、声音特征与已登记用户的身份数据库做匹配，再综合两类识别结果，得出身份判断及其置信度。

这里的“置信度”，可以理解为系统对这次识别结果有多大把握，而不是简单甩出一个不带可靠程度的姓名。

6、只把识别结果交给主系统

最终，主系统中的人员识别后台进程收到的是三类信息。

• 人员标识：识别到的是哪位已登记用户。
• 位置：人员所处的位置。
• 置信度：系统对识别结果的把握程度。

整套人员识别流程里，原始音视频不会被交给操作系统。系统拿到这些结果后，用来支撑日历、信息、Apple Music 等需要确认用户身份的功能，也包括用户 iPhone 上兼容的第三方音视频应用。

参考