用途:在设备本地对图片和视频做计算机视觉处理,覆盖文字识别、人脸检测、条码扫描、文档结构化读取、图像分割、物体跟踪、姿态与显著性检测,以及通过 Core ML 运行自定义模型。
主要能力:文字识别支持 .fast 与 .accurate 识别级别、多语言提示与自定义词;人脸检测返回矩形、landmark、roll/yaw 与拍摄质量;条码支持 QR、EAN13、Code128、PDF417 等;iOS 26+ 的 RecognizeDocumentsRequest 返回段落、表格、列表与内嵌条码;人物分割提供 .fast/.balanced/.accurate 质量级别,iOS 18+ 支持实例分割;TrackObjectRequest 跨帧维持跟踪上下文;另有图像分类、显著性、矩形/地平线检测、人体与手部姿态等请求。
使用方式:现代 API 创建请求后调用 try await request.perform(on:),可接受 CGImage、CIImage、CVPixelBuffer、CMSampleBuffer、Data 或 URL,多数请求为 struct,分割与跟踪等有状态请求为 class。旧版使用 VNImageRequestHandler 或 VNSequenceRequestHandler 配合 VN* 请求与 completion handler。实时扫描可用 VisionKit 的 DataScannerViewController,需先添加 NSCameraUsageDescription,请求相机权限,并检查 isSupported 与 isAvailable;SwiftUI 可用 UIViewControllerRepresentable 包装,在 updateUIViewController 中启动扫描。Core ML 通过 CoreMLRequest 配合 CoreMLModelContainer 调用。
适用场景:实时相机文字与条码扫描、相册图片分析与筛选、证件或文档结构化提取、人像抠图与实例分割、视频物体跟踪、姿态估计与图像分类。
限制:现代 API 需 iOS 18+/macOS 15+,旧版自 iOS 11 起可用,需按部署目标选择;Vision 使用左下角为原点的归一化坐标,显示前须转换;请求不应在主线程运行;实时视频应使用 .fast,静态图用 .accurate;条码应仅指定需要的类型;DataScannerViewController 需 A12+ 芯片。其余未在资料中说明的平台或细节暂未提供。