IT之家 11 月 12 日消息，苹果公司今天（11 月 12 日）发布新博文，在介绍适用于 iPhone 18 Pro 和 iPhone 18 Pro Max 的“安全隔离区”（Secure Exclaves）架构同时，还公开其首款智能家居中枢 HomeView 的人员识别流程。

(资料图)

IT之家此前报道，在家庭环境下，苹果 HomeView 最多识别 6 位用户，并依据识别结果提供个性化体验。HomeView 不使用 Face ID，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。

前置条件方面，用户须拥有一台支持 Apple Intelligence 的“已注册个人设备”，该设备需连接至家庭 Wi-Fi，并且必须为最近解锁状态。满足条件后，HomeView 才能通过面部或语音识别该用户。

识别逻辑方面，HomeView 先通过 Center Stage 摄像头和语音，先判断“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。

在最新博文中，苹果详细披露了 HomeView 人员识别的内部流程，可以概括为摄像头、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，为后续匹配做好准备。

2. 摄像头发现人脸，但不把画面交给系统

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。

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。

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。

4. 神经网络引擎提取人脸和声音特征

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。

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，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。

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。

在这一人员识别流程中，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。

参考