苹果HomeView人员识别流程揭秘：最多识别6人，只传结果不传画面

苹果在介绍面向iPhone 18 Pro与iPhone 18 Pro Max的“安全隔离区”（Secure Exclaves）架构时，一并公开了其首款智能家居中枢HomeView的人员识别流程。这套流程的核心思路是：识别在隔离区内完成，主系统只拿到结论，拿不到原始画面和声音。

识别前提：已注册设备须在家庭网络内

在家庭场景下，HomeView最多识别6位用户，并依据识别结果提供个性化体验。它不依赖Face ID，而是主要通过Center Stage摄像头进行面部识别，并结合语音识别判断在场的是哪位家庭成员。

这一能力有前置条件：用户需要拥有一台支持Apple Intelligence的“已注册个人设备”，该设备须连接家庭Wi-Fi，并且必须处于最近解锁状态。满足这些条件后，HomeView才能通过面部或语音识别出该用户。

判断逻辑：先猜“谁在”，再核对设备状态

HomeView的识别逻辑分两步走。系统先通过Center Stage摄像头和语音判断“谁可能在场”，再核对该用户的iPhone或iPad是否连接家庭Wi-Fi、且近期解锁过。三者匹配后，系统才会将该成员与个性化体验关联起来。

从整体链路看，流程可以概括为：摄像头、麦克风输入，进入隔离区检测与处理，提取人脸与声音特征，匹配已登记身份，最终仅向系统返回“谁、在哪、把握多大”。

内部流程：画面与声音始终留在隔离区

启动时先加载已登记资料。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，为后续匹配做好准备。

摄像头发现人脸，但不交出画面。摄像头拍摄的连续画面进入摄像头隔离区，由其检测人脸、标记人脸边界框，并将相关画面排队等待进一步处理。此时，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”，但通知中不包含图像数据，画面仍留在安全隔离区内。

麦克风提供另一条线索。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。与摄像头类似，音频隔离区也能向主系统报告“可能有人在附近”，但不把音频交给主系统。也就是说，“检测到有人”与“允许系统取得录音”是两回事。

神经网络引擎提取特征。人员识别隔离区随后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。计算过程中，数据始终保存在隔离区控制的内存中，主操作系统无法访问。神经网络引擎使用隔离区专用的工作队列，每个模型完成运行后，还会清除相关状态。

综合人脸与声音得出身份。人员识别隔离区中的编排服务，将生成的人脸、声音特征与已登记用户的身份数据库进行匹配，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，而不是简单输出一个不带可靠程度的姓名。

主系统只收到三类元数据

最终，主系统中的人员识别后台进程收到的是三类元数据：

• 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。

在这一流程中，原始音视频不会共享给操作系统。系统再利用这些结果，支持日历、信息、Apple Music等依赖用户身份的功能，以及来自用户iPhone的兼容第三方音视频应用。

从公开的流程看，HomeView把“感知”和“使用”切开：隔离区负责看和听，主系统只负责根据结论提供服务。