苹果HomeView识人机制：6人上限，照片不出设备

11月12日，苹果发布新博文，公开了首款智能家居中枢HomeView的人员识别流程，同时介绍了适用于iPhone 18 Pro和iPhone 18 Pro Max的“安全隔离区”（Secure Exclaves）架构。

此前报道显示，HomeView在家庭环境下最多能识别6位用户，并根据识别结果提供个性化体验。它不依赖Face ID，主要靠Center Stage摄像头做面部识别，再结合语音识别判断在场的是哪位家庭成员。

这套识别有前置条件：用户得有一台支持Apple Intelligence的“已注册个人设备”，该设备要连着家庭Wi-Fi，而且必须是最近解锁过的状态。这些条件都满足，HomeView才能通过面部或语音认出该用户。

识别时，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。三者对上了，系统才会把这位成员和个性化体验关联起来。

新博文里，苹果把HomeView人员识别的内部流程讲得很细，大致是：摄像头、麦克风输入 → 隔离区内检测与处理 → 提取人脸、声音特征 → 匹配已登记身份 → 仅向系统返回“谁、在哪、把握多大”。

1. 启动时，先加载已登记用户资料

设备启动后，人员识别隔离区（Person Recognition Exclave）会从安全存储隔离区（Secure Exclaves）中加载此前登记的人脸、声音识别模型及身份数据库，为后续匹配做准备。

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、标记人脸边界框，再把相关画面排队等待进一步处理。

这期间，摄像头隔离区可以通知主系统中的后台进程“可能有人出现了”，但通知里不含图像数据，画面仍留在安全隔离区内。

3. 麦克风提供另一条判断线索

音频先经过音频隔离区，完成异常检测和回声消除等处理，再送入人员识别隔离区。

和摄像头类似，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，数据始终保存在隔离区控制的内存里，主操作系统访问不到。神经网络引擎用的是隔离区专用工作队列，每个模型跑完后还会清除相关状态。

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。

所谓“置信度”，可以理解为系统对这次识别结果有多大把握，而不是简单丢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只有三类元数据：

• 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。

这套人员识别流程里，系统拿到的是别的东西，原始音视频并不会交给操作系统。拿到这些结果后，日历、信息、Apple Music 等需要知道用户身份的功能就能用起来，用户 iPhone 上兼容的第三方音视频应用同样能调用。

参考