CN113409041A - 一种电子卡的选取方法、装置、终端以及存储介质 - Google Patents

Abstract

本申请适用于信息处理技术领域，提供了一种电子卡的选取方法、装置、终端以及存储介质，该方法包括：获取当前的场景信息，并根据所述场景信息确定场景类型；选取与所述场景类型匹配的候选电子卡作为目标电子卡。本申请提供的技术方案在需要调用电子卡进行认证、支付等操作时，通过终端设备采集当前的场景信息，并根据场景信息内包含的场景对象确定场景类型，并从所有候选电子卡中选取与该场景类型关联的电子卡作为目标电子卡，实现了自动选取电子卡的目的，提高了电子卡的操作效率以及响应速度。

Description

一种电子卡的选取方法、装置、终端以及存储介质

技术领域

本发明属于信息处理技术领域，尤其涉及一种电子卡的选取方法、装置、终端以及存储介质。

背景技术

在日常生活中，用户可以通过实体卡进行支付、认证等操作，但随着服务种类的不断增加，对应的实体卡的数量也随之增加，而得益于电子技术的发展，实体卡可以转换为电子卡，并与智能终端进行绑定，从而执行相关的支付、认证操作。然而现有的电子卡技术，用户在进行认证、支付等操作时，需要手动选取当前操作关联的电子卡，从而增加了操作难度，操作效率较低。

发明内容

本申请实施例提供了一种电子卡的选取方法、装置、终端以及存储介质，可以解决现有的电子卡技术，需要手动选取当前操作关联的电子卡，从而增加了操作难度，操作效率较低的问题。

第一方面，本申请实施例提供了一种电子卡的选取方法，包括：

获取当前的场景信息，并根据所述场景信息确定场景类型；

选取与所述场景类型匹配的候选电子卡作为目标电子卡。

在第一方面的一种可能的实现方式中，所述获取当前的场景信息，并根据所述场景信息确定场景类型，包括：

接收智能眼镜反馈的场景图像；

识别所述场景图像内包含的拍摄主体；

根据所有所述拍摄主体确定所述场景类型。

在第一方面的一种可能的实现方式中，所述获取当前的场景信息，并根据所述场景信息确定场景类型，包括：

采集当前场景下的环境声；

获取所述环境声的频域频谱，并根据所述频域频谱内包含的频率值确定当前场景内包含的发声主体；

根据所有所述发声主体确定所述场景类型。

在第一方面的一种可能的实现方式中，所述获取当前的场景信息，并根据所述场景信息确定场景类型，包括：

获取当前的位置信息，并提取所述位置信息内包含的场景关键词；

根据所有所述场景关键词关联的候选场景的置信度，分别计算各个候选场景的置信概率；

选取所述置信概率最高的候选场景作为所述位置信息对应的场景类型。

在第一方面的一种可能的实现方式中，所述选取与所述场景类型匹配的候选电子卡作为目标电子卡，包括：

分别计算各个所述候选电子卡与所述场景类型之间的匹配度；

选取所述匹配度最高的所述候选电子卡作为所述目标电子卡。

在第一方面的一种可能的实现方式中，在所述选取与所述场景类型匹配的候选电子卡作为目标电子卡之后，还包括：

通过所述目标电子卡与刷卡设备执行刷卡认证操作；

若刷卡认证失败，则从除所述目标电子卡外的所有所述候选电子卡中，选取所述匹配度最高的所述候选电子卡作为新的所述目标电子卡，并返回执行所述通过所述目标电子卡与刷卡设备执行刷卡操作，直到刷卡认证成功。

在第一方面的一种可能的实现方式中，所述选取与所述场景类型匹配的候选电子卡作为目标电子卡，包括：

获取各个所述候选电子卡的标准场景；

将所述场景类型与各个所述标准场景进行匹配，并根据匹配结果确定所述目标电子卡。

第二方面，本申请实施例提供了一种电子卡的选取装置，包括：

场景类型确定单元，用于获取当前的场景信息，并根据所述场景信息确定场景类型；

电子卡选取单元，用于选取与所述场景类型匹配的候选电子卡作为目标电子卡。

第三方面，本申请实施例提供了一种终端设备，存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述第一方面中任一项所述电子卡的选取方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述第一方面中任一项所述电子卡的选取方法。

第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述电子卡的选取方法。

可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

本申请实施例在需要调用电子卡进行认证、支付等操作时，通过终端设备采集当前的场景信息，并根据场景信息内包含的场景对象确定场景类型，并从所有候选电子卡中选取与该场景类型关联的电子卡作为目标电子卡，实现了自动选取电子卡的目的，提高了电子卡的操作效率以及响应速度。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的手机的部分结构的框图；

图2是本申请实施例的手机的软件结构示意图；

图3是本申请第一实施例提供的一种电子卡的选取方法的实现流程图；

图4是本申请一实施例提供的基于场景图像的场景类型的识别示意图；

图5是本申请一实施例提供的电子卡的选取示意图；

图6是本申请第二实施例提供的一种电子卡的选取方法S301的具体实现流程图；

图7是本申请一实施例提供的终端设备在刷卡过程中的拍摄场景范围的示意图；

图8是本申请另一实施例提供的智能眼镜在刷卡过程中的拍摄范围的示意图；

图9是本申请第三实施例提供的一种电子卡的选取方法S301的具体实现流程图；

图10是本申请第四实施例提供的一种电子卡的选取方法S301的具体实现流程图；

图11是本申请第五实施例提供的一种电子卡的选取方法S302的具体实现流程图；

图12是本申请第六实施例提供的一种电子卡的选取方法S302的具体实现流程图；

图13是本申请一实施例提供的电子卡的选取***的结构示意图；

图14是本申请一实施例提供的一种电子卡的选取设备的结构框图；

图15本申请另一实施例提供的一种终端设备的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的***、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

针对目前电子卡技术，需要手动选取当前操作关联的电子卡，从而增加了操作难度，操作效率较低的问题，本申请实施例提供一种电子卡的选取方法、装置、设备及存储介质，在需要调用电子卡进行认证、支付等操作时，通过终端设备采集当前的场景信息，并根据场景信息内包含的场景对象确定场景类型，并从所有候选电子卡中选取与该场景类型关联的电子卡作为目标电子卡，实现了自动选取电子卡的目的，提高了电子卡的操作效率以及响应速度。

下面以具体地实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

本申请实施例提供的电子卡的选取方法可以应用于手机、平板电脑、可穿戴设备、车载设备、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本、个人数字助理(personal digital assistant，PDA)等终端设备上，还可以应用于数据库、服务器以及基于终端人工智能的服务响应***，本申请实施例对终端设备的具体类型不作任何限制。

例如，所述终端设备可以是WLAN中的站点(STAION，ST)，可以是蜂窝电话、无绳电话、会话启动协议(Session InitiationProtocol，SIP)电话、无线本地环路(WirelessLocal Loop，WLL)站、个人数字处理(Personal Digital Assistant，PDA)设备、具有无线通信功能的手持设备、计算设备或连接到无线调制解调器的其它处理设备、电脑、膝上型计算机、手持式通信设备、手持式计算设备、和/或用于在无线***上进行通信的其它设备以及下一代通信***，例如，5G网络中的移动终端或者未来演进的公共陆地移动网络(PublicLand Mobile Network，PLMN)网络中的移动终端等。

作为示例而非限定，当所述终端设备为可穿戴设备时，该可穿戴设备还可以是应用穿戴式技术对日常穿戴进行智能化设计、开发出可以穿戴的设备的总称，如配置有近场通信模块的手套、手表等。可穿戴设备即直接穿在身上，或是整合到用户的衣服或配件的一种便携式设备，通过附着与用户身上，通过预先绑定的电子卡，执行支付、认证等操作。可穿戴设备不仅仅是一种硬件设备，更是通过软件支持以及数据交互、云端交互来实现强大的功能。广义穿戴式智能设备包括功能全、尺寸大、可不依赖智能手机实现完整或者部分的功能，如智能手表或智能眼镜等，以及只专注于某一类应用功能，需要和其它设备如智能手机配合使用，如各类进行具有显示屏的智能手表、智能手环等。

在本实施例中，上述终端设备可以是具备如图1所示的硬件结构的手机100，如图1所示，手机100具体可以包括：射频(Radio Frequency，RF)电路110、存储器120、输入单元130、显示单元140、传感器150、音频电路160、短距离无线通信模块170、处理器180、以及电源190等部件。本领域技术人员可以理解，图1中示出的手机100的结构并不构成对终端设备的限定，终端设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

下面结合图1对手机的各个构成部件进行具体的介绍：

RF电路110可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，给处理器180处理；另外，将设计上行的数据发送给基站。通常，RF电路包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low NoiseAmplifier，LNA)、双工器等。此外，RF电路110还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯***(GlobalSystem of Mobile communication，GSM)、通用分组无线服务(General Packet RadioService，GPRS)、码分多址(Code Division Multiple Access，CDMA)、宽带码分多址(Wideband Code Division Multiple Access,WCDMA)、长期演进(Long Term Evolution,LTE))、电子邮件、短消息服务(Short Messaging Service，SMS)等。

存储器120可用于存储软件程序以及模块，处理器180通过运行存储在存储器120的软件程序以及模块，从而执行手机的各种功能应用以及数据处理。存储器120可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器120可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。具体地，该存储器120可以存储有电子卡的卡信息，以及各个电子卡与关联的场景类型之间的对应关系，手机可以通过存储器120确定当前场景关联的目标电子卡。

输入单元130可用于接收输入的数字或字符信息，以及产生与手机100的用户设置以及功能控制有关的键信号输入。具体地，输入单元130可包括触控面板131以及其他输入设备132。触控面板131，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板131上或在触控面板131附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触控面板131可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器180，并能接收处理器180发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板131。除了触控面板131，输入单元130还可以包括其他输入设备132。具体地，其他输入设备132可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

显示单元140可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元140可包括显示面板141，可选的，可以采用液晶显示器(Liquid CrystalDisplay，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板141。进一步的，触控面板131可覆盖显示面板141，当触控面板131检测到在其上或附近的触摸操作后，传送给处理器180以确定触摸事件的类型，随后处理器180根据触摸事件的类型在显示面板141上提供相应的视觉输出。虽然在图1中，触控面板131与显示面板141是作为两个独立的部件来实现手机的输入和输入功能，但是在某些实施例中，可以将触控面板131与显示面板141集成而实现手机的输入和输出功能。

手机100还可包括至少一种传感器150，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板141的亮度，接近传感器可在手机移动到耳边时，关闭显示面板141和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。可选地，手机可以通过学习算法，获取得到的用户执行刷卡动作时，各个传感器的测量值，从而在手机接近刷卡设备之前，提前确定用户是否需要执行刷卡操作，并采集当前的场景信息，确定场景类型，从而进一步提高了电子卡的选取效率。

音频电路160、扬声器161，传声器162可提供用户与手机之间的音频接口。音频电路160可将接收到的音频数据转换后的电信号，传输到扬声器161，由扬声器161转换为声音信号输出；另一方面，传声器162将收集的声音信号转换为电信号，由音频电路160接收后转换为音频数据，再将音频数据输出处理器180处理后，经RF电路110以发送给比如另一手机，或者将音频数据输出至存储器120以便进一步处理。

WiFi、蓝牙以及近距离无线通信(Near Field Communication，NFC)等通信技术属于短距离无线传输技术，手机通过短距离无线模块170可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。上述短距离无线模块170可以包括WiFi芯片、蓝牙芯片以及NFC芯片，通过该WiFi芯片可以实现手机100与其他终端设备进行WiFi Direct连接的功能，也可以使手机100工作在能够提供无线接入服务，允许其它无线设备接入的AP模式(Access Point模式)或工作在可以连接到AP不接受无线设备接入的STA模式(Station模式)，从而建立手机100与其他WiFi设备的点对点通信；手机可以通过NFC芯片与刷卡设备建立短距离通信链路，并根据上述的短距离通信链路将预先写入的电子卡的卡信息发送给刷卡设备，并执行后续的刷卡操作，并将刷卡结果反馈给手机，通过手机的显示模块输出刷卡结果。

处理器180是手机的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器120内的软件程序和/或模块，以及调用存储在存储器120内的数据，执行手机的各种功能和处理数据，从而对手机进行整体监控。可选的，处理器180可包括一个或多个处理单元；优选的，处理器180可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作***、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器180中。

手机100还包括给各个部件供电的电源190(比如电池)，优选的，电源可以通过电源管理***与处理器180逻辑相连，从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。

手机100还可以包括摄像头。可选地，摄像头在手机上的位置可以为前置的，也可以为后置的，本申请实施例对此不作限定。其中，手机可以通过摄像头采集当前场景的场景图像，并通过对场景图像进行解析，确定场景信息以及场景类型。

手机100的软件***可以采用分层架构，事件驱动架构，微核架构，微服务架构，或云架构。本发明实施例以分层架构的Android***为例，示例性说明手机100的软件结构。

图2是本申请实施例的手机100的软件结构框图。将Android***分为四层，分别为应用程序层、应用程序框架层(framework，FWK)、***层以及硬件抽象层，层与层之间通过软件接口通信。

分层架构将软件分成若干个层，每一层都有清晰的角色和分工。层与层之间通过软件接口通信。在一些实施例中，将Android***分为四层，从上至下分别为应用程序层，应用程序框架层，安卓运行时(Android runtime)和***库，以及内核层。

应用程序层可以包括一系列应用程序包。

如图2所示，应用程序包可以包括相机，图库，日历，通话，地图，导航，WLAN，蓝牙，音乐，视频，短信息等应用程序。

应用程序框架层为应用程序层的应用程序提供应用编程接口(applicationprogramming interface，API)和编程框架。应用程序框架层包括一些预先定义的函数。

如图2所示，应用程序框架层可以包括窗口管理器，内容提供器，视图***，电话管理器，资源管理器，通知管理器等。

窗口管理器用于管理窗口程序。窗口管理器可以获取显示屏大小，判断是否有状态栏，锁定屏幕，截取屏幕等。

内容提供器用来存放和获取数据，并使这些数据可以被应用程序访问。所述数据可以包括视频，图像，音频，拨打和接听的电话，浏览历史和书签，电话簿等。

视图***包括可视控件，例如显示文字的控件，显示图片的控件等。视图***可用于构建应用程序。显示界面可以由一个或多个视图组成的。例如，包括短信通知图标的显示界面，可以包括显示文字的视图以及显示图片的视图。

电话管理器用于提供电子设备100的通信功能。例如通话状态的管理(包括接通，挂断等)。

资源管理器为应用程序提供各种资源，比如本地化字符串，图标，图片，布局文件，视频文件等等。

通知管理器使应用程序可以在状态栏中显示通知信息，可以用于传达告知类型的消息，可以短暂停留后自动消失，无需用户交互。比如通知管理器被用于告知下载完成，消息提醒等。通知管理器还可以是以图表或者滚动条文本形式出现在***顶部状态栏的通知，例如后台运行的应用程序的通知，还可以是以对话窗口形式出现在屏幕上的通知。例如在状态栏提示文本信息，发出提示音，电子设备振动，指示灯闪烁等。

Android Runtime包括核心库和虚拟机。Android runtime负责安卓***的调度和管理。

核心库包含两部分：一部分是java语言需要调用的功能函数，另一部分是安卓的核心库。

应用程序层和应用程序框架层运行在虚拟机中。虚拟机将应用程序层和应用程序框架层的java文件执行为二进制文件。虚拟机用于执行对象生命周期的管理，堆栈管理，线程管理，安全和异常的管理，以及垃圾回收等功能。

***库可以包括多个功能模块。例如：表面管理器(surface manager)，媒体库(Media Libraries)，三维图形处理库(例如：OpenGL ES)，2D图形引擎(例如：SGL)等。

表面管理器用于对显示子***进行管理，并且为多个应用程序提供了2D和3D图层的融合。

媒体库支持多种常用的音频，视频格式回放和录制，以及静态图像文件等。媒体库可以支持多种音视频编码格式，例如:MPEG4，H.264，MP3，AAC，AMR，JPG，PNG等。

三维图形处理库用于实现三维图形绘图，图像渲染，合成，和图层处理等。

2D图形引擎是2D绘图的绘图引擎。

内核层是硬件和软件之间的层。内核层至少包含显示驱动，摄像头驱动，音频驱动，传感器驱动。在一些实施例中，上述内核层还包含PCIE驱动。

在本申请实施例中，流程的执行主体为配置有近场通信模块的设备。作为示例而非限定，上述配置有近场通信模块的设备具体可以为终端设备，该终端设备可以为用户使用的智能手机、平板电脑、笔记本电等移动终端。图3示出了本申请第一实施例提供的电子卡的选取方法的实现流程图，详述如下：

在S301中，获取当前的场景信息，并根据所述场景信息确定场景类型。

在本实施例中，终端设备可以通过内置的传感器等信息采集模块，获取当前的场景信息，也可以通过与外置的信息采集设备建立数据链接，接收其他信息采集设备采集得到的场景信息。

在一种可能的实现方式中，终端设备内置有摄像模块，该摄像模块可以为前置摄像模块和/或后置摄像模块，通过摄像模块采集当前场景的场景图像，并识别上述场景图像为场景信息，对场景信息进行分析，确定场景类型；终端设备内置有麦克风模块，该麦克风模块可以采集当前场景的场景音频，并识别上述场景音频为场景信息，对场景音频进行音频解析，确定场景类型；终端设备内置有定位模块，并通过定位模块获取定位信息，将定位信息作为场景信息，并根据定位信息确定关联的场景类型。

在一种可能的实现方式中，终端设备通过场景图像确定场景类型的具体实现方式可以为：终端设备可以为不同的场景类型配置有对应的标准图像。终端设备可以将当前获取到的场景图像与各个标准图像进行匹配，根据匹配结果确定该场景图像关联的场景类型。具体地，场景图像与标准图像进行匹配的过程具体可以为：终端设备可以对场景图像进行灰度处理，将场景图像转换为单色图像，并根据各个像素点的像素值以及像素坐标，生成与单色图像对应的图像阵列，将图像阵列导入预设的卷积神经网络，通过预设的卷积核对上述的卷积阵列进行池化降维操作，生成上述图像阵列对应的图像特征向量，并计算该图像特征向量与各个标准图像对应的标准特征向量之间的向量距离，将上述向量距离作为与各个标准图像之间的匹配概率值，选取概率值最大的标准图像关联的场景类型，作为该场景图像的场景类型。其中，上述标准图像的标准特征向量可以通过自学习算法采集得到，上述的自学习算法的实现方式可以为：在初始绑定各个电子卡时，终端设备采集关于该电子卡对应的使用场景下的标准图像，基于上述标准图像生成上述的标准特征向量，在后续使用的过程中，每使用该电子卡执行刷卡操作，则将刷卡操作对应的场景图像导入上述的神经网络中，调整已生成的标准特征向量，从而每次在使用过程中，均可以对已配置的标准特征向量进行后验调整，从而提高了标准特征向量的准确性。

在一种可能的实现方式中，每个电子卡对应有一个云端服务器。该云端服务器可以用于存储该电子卡的操作记录以及与各个操作记录关联的场景图像。云端服务器从各个操作记录中提取历史场景图像，并通过所有的历史场景图像生成上述的标准特征向量。云端服务器可以预设的更新周期向各个终端设备发送上述的标准特征向量，上述标准特征向量可以关联有电子卡标识，终端设备将接收到的电子卡标识以及标准特征向量存储于存储单元内，在后续的匹配操作中，可以提取上述的标准特征向量执行匹配操作。

示例性地，图4示出了本申请一实施例提供的基于场景图像的场景类型的识别示意图。参见图4所示，包含有终端设备41以及刷卡设备42，该移动终端41上配置有摄像模块411以及近场通信模块412。在终端设备41接近刷卡设备42时，近场通信模块412会检测到刷卡设备42发送的近场通信信号，并与刷卡设备42建立通信连接，此时，终端设备可以激活摄像模块411，通过摄像模块411采集当前场景下的场景图像，并根据场景图像确定场景类型。

在一种可能的实现方式中，终端设备采集多种不同类型的场景信息，根据不同类型的场景信息确定当前的场景类型。具体地，终端设备可以采集当前场景的场景图像以及场景音频，通过场景图像识别出多个候选对象类型，并根据场景音频从候选对象类型中筛选出目标对象类型，根据目标对象类型确定场景类型。通过场景音频对无效的候选对象类型进行筛选，能够对场景类型的识别过程进行校准，从而提高识别效率，当然，也可以通过场景音频识别出当前场景中候选发声对象，并根据场景图像从候选发声对象中筛选出目标发声对象，并根据目标发声对象确定场景类型。举例性，终端设备通过摄像模块获取得到一个场景图像，由于拍摄距离太远或障碍物遮挡等因素，导致了部分场景对象无法通过场景图像识别得到，从而降低了场景类型识别的准确性。为了解决上述问题，终端设备在获取场景图像的同时，可以通过麦克风模块采集当前场景下的环境声，通过环境声确定发声主体，以及通过对场景图像进行图像识别确定拍摄对象，通过发声主体以及拍摄对象确定场景类型。

具体地，在一种可能的实现方式下，通过发声主体以及拍摄对象确定场景类型的方式可以为：终端设备通过所有发声主体确定各个候选场景类型的第一置信度，以及通过所有拍摄对象确定各个候选场景类型的第二置信度，基于语音权重对第一置信度进行加权，以及基于图像权重对第二置信度进行加权，并根据加权后的第一置信度以及第二置信度计算关于各个候选场景类型的匹配度，选取匹配度最高的候选场景类型作为当前场景的场景类型。

举例性地，根据终端设备存储有的电子卡所关联的场景类型，可以划分为银行类型、公交类型以及门禁类型三种不同的场景类型。终端设备在检测到需要调用电子卡时，可以通过摄像模块获取当前场景的场景图像，通过图像识别技术，确定了场景图像中包含有柜员机、银行标志以及屏蔽门三个拍摄对象，从而三个候选场景类型对应的第一置信度为：(银行类型，80％)、(门禁类型，50％)、(交通类型，20％)，而通过采集环境声，确定了场景中包含的发声主体包括有案件、机械运作声，从而三个候选场景类型对应的第二置信度为：(银行类型，60％)、(门禁类型，50％)、(交通类型，60％)，而预设的图像权重值为1，语音权重值为0.8，因此，上述三个候选场景类型对应匹配度分别为，(银行类型，80％*1+60*0.8＝1.28)，(门禁类型，50％*1+50*0.8＝0.9)，(交通类型，20％*1+60*0.8＝0.68)，因此，匹配度最高的候选场景为银行类型，因此将银行类型作为当前的场景类型。

需要说明的是，上面使用了语音类型以及图像类型两种场景信息结合确定场景类型作为例子进行说明，实际使用时可以采用两种以上的场景信息，或者采用不限于以上两种信息类型的其他场景信息结合确定场景类型，在此不一一赘述。

在一种可能的实现方式中，用户可以通过点击电子卡激活控件或者开启电子卡应用来触发电子卡的选取流程，终端设备还可以通过近场通信模块，在检测到有近场通信信号时，触发电子卡的选取流程。

在一种可能的实现方式中，终端设备可以通过内置的学习算法，获取用户在通过终端设备执行刷卡操作时的动作轨迹，从而在检测到当前终端的移动轨迹与上述学习到的动作轨迹一致时，自动激活电子卡的选取流程，从而实现提前选取电子卡的目的，提高了后续的响应速度。具体的实现流程如下：终端设备会持续获取运动传感器的参数值，并根据采集时刻的先后次序，将各个采集时刻对应的参数值存储于运动参数队列内，并根据先入先出的次序，不断更新上述的运动参数队列。若终端设备检测到用户执行刷卡操作，则获取刷卡操作时刻，该运动参数队列内的所有参数值，并生成关于刷卡时刻该运动参数队列对应的运动轨迹。终端设备可以将历史刷卡操作所对应的运动轨迹导入到机器学习模型内，从而可以生成关于刷卡操作识别模型。终端设备在使用过程中，会将参数运动队列内的各个参数值导入到上述的刷卡操作识别模型内，判定是否存在刷卡动作，若是，则执行电子卡的选取流程；反之，则继续采集运动传感器的参数值，并更新上述的参数运动队列。需要说明的是，终端设备在每执行一次刷卡操作时，均可以对上述的刷卡操作识别模型进行更新，从而提高识别的准确性。

在S302中，选取与所述场景类型匹配的候选电子卡作为目标电子卡。

在本实施例中，用户可以在终端设备上绑定多个电子卡，每个已绑定的电子卡即为上述的候选电子卡。其中，绑定电子卡的方式可以为：用户可以将实体卡的标识输入到终端设备，并将该实体卡的授权信息通过终端设备的电子卡控件发送给实体卡所属方的云端服务器，例如输入已绑定的手机号码或用户身份信息等，云端服务器在检测到授权信息合法后，可以将对应的授权码反馈给终端设备，终端设备将授权码与终端设备内生成的该实体卡对应的电子卡进行关联，从而在终端设备创建了关于实体卡对应的电子卡。

在本实施例中，终端设备可以为不同的候选电子卡配置关联的场景类型。在确定了场景信息对应的场景类型后，可以判断当前的场景类型与各个候选电子卡的场景类型是否匹配，即电子卡关联的场景类型与当前的场景类型是否一致，将场景类型一致的候选电子卡作为目标电子卡，并执行后续的刷卡操作。

在一种可能的实现方式中，若多个候选电子卡关联的场景类型相同，则可以根据各个候选电子卡的优先级，选取优先级最高的候选电子卡作为目标电子卡。举例性地，图5示出了本申请一实施例提供的电子卡的选取示意图。终端设备绑定有银行卡A、银行卡B、公交卡以及门禁卡四种电子卡。终端设备通过采集当前的场景信息，确定当前的场景类型为银行类型，而银行卡A以及银行卡B关联的场景类型均为银行类型，即上述两个电子卡的场景类型均与当前的场景类型匹配，在该情况下，则可以获取上述两个银行卡对应的优先级，若银行卡A的优先级高于银行卡B的优先级，则可以选取银行卡A作为目标电子卡。

在一种可能的实现方式中，若多个候选电子卡关联的场景类型相同，则可以根据当前的刷卡时间以及刷卡地点，计算上述场景类型相同的多个候选电子卡的匹配度，选取匹配度最高的一个候选电子卡作为目标电子卡。具体地，不同的电子卡具有对应的使用习惯，例如用户上午使用电子卡A进行刷卡操作，而下午则使用电子卡B进行刷卡操作，终端设备可以根据各个电子卡的历史刷卡记录内的历史时间以及历史地点，计算与当前场景之间的匹配度，并选取匹配度较高的一个候选电子卡作为目标电子卡。

以上可以看出，本申请实施例提供的一种电子卡的选取方法在需要调用电子卡进行认证、支付等操作时，通过终端设备采集当前的场景信息，并根据场景信息内包含的场景对象确定场景类型，并从所有候选电子卡中选取与该场景类型关联的电子卡作为目标电子卡，实现了自动选取电子卡的目的，提高了电子卡的操作效率以及响应速度。

图6示出了本申请第二实施例提供的一种电子卡的选取方法S301的具体实现流程图。参见图6，相对于图3所述实施例，本实施例提供的一种电子卡的选取方法中S301包括：S601～S603，具体详述如下：

进一步地，所述获取当前的场景信息，并根据所述场景信息确定场景类型，包括：

在S601中，接收智能眼镜反馈的场景图像。

在本实施例中，终端设备与一外接的智能眼镜建立有通信连接，通过智能眼镜内置的摄像模块，采集当前场景下的场景图像。由于智能眼镜佩戴于用户的眼部附近，因此，与使用终端设备内置的摄像模块采集场景图像相比，视线较为清晰，与用户观看到的场景之间的一致性较高，减少了主要场景主体在拍摄时被其他物体遮挡的情况出现，从而提高了场景类型识别的准确性。对于某些场景，例如在交通场景类型下，用户使用电子卡来搭乘公交时，往往会从衣服或裤子的袋子中取出手机后，直接进行刷卡操作，在从口袋到靠近刷卡机的移动路径下，终端设备内置的摄像模块大概率无法采集得到包含有刷卡机的场景图像。

示例性地，图7示出了本申请一实施例提供的终端设备在刷卡过程中的拍摄场景范围的示意图。参见图7所示，终端设备的初始位置在口袋内，在需要刷卡时，需要从口袋取出并靠近刷卡机，即目标位置为刷卡机附近。在移动的过程中，拍摄到的区域如图7中的扇形区域所示。可见，终端设备只有在靠近刷卡机附近时，拍摄到的场景图像才会包含有刷卡设备，且只有刷卡设备的部分图像，从而识别准确率较低。

示例性地，图8示出了本申请另一实施例提供的智能眼镜在刷卡过程中的拍摄范围的示意图。参见图8所示，智能眼镜由于佩戴于用户的眼部区域，其可拍摄范围与人眼的可视范围基本一致，并且用户在前进方向过程中，即用户往刷卡设备靠近的过程中，刷卡机可以持续被智能眼镜记录，从而相比于使用终端设备的内置摄像模块相比，通过智能眼镜采集环境图像具有较优的识别效果。

在一种可能的实现方式中，终端设备在检测到满足预设的场景信息采集条件时，则可以向智能眼镜发送一个采集指令，智能眼镜在接受到采集指令后，可以执行图像采集操作，并将采集到的图像反馈给终端设备，从而终端设备可以获得上述的场景图像。具体地，上述的场景信息采集条件可以为：终端设备检测到当前场景下包含有近场通信信号时，则识别满足场景信息采集条件；又或者，终端设备根据历史刷卡操作，记录有多个刷卡地点，在检测到当前位置到达上述存储有的刷卡地点时，则识别满足场景信息采集条件。

在一种可能的实现方式中，智能眼镜可以以预设的采集周期获取当前的场景图像，并将采集到的场景图像反馈给终端设备，终端设备可以通过对场景图像内的拍摄主体进行识别，判断拍摄主体是否包含有与刷卡操作相关的目标主体，若存在，则执行S603的操作。

在本实施例中，终端设备与智能眼镜之间可以建立有无线通信，具体地，智能眼镜内置有无线通信模块，如WiFi模块、蓝牙模块、紫蜂ZigBee模块等，对应地，终端设备也可以内置有对应的无线通信模块。终端设备通过搜索智能眼镜的无线网络，并加入到该无线网络内，从而建立了与智能眼镜之间的无线通信链路。

在S602中，识别所述场景图像内包含的拍摄主体。

在本实施例中，终端设备可以通过图像分析算法，解析场景图像内包含的拍摄主体，其中，确定拍摄主体的方式具体可以为：通过识别场景图像内包含的轮廓线，将场景图像划分为多个主体区域，根据主体区域的轮廓形状以及颜色特点，确定各个主体区域对应的拍摄主体的主体类型。

在一种可能的实现方式中，终端设备可以配置有主体类型列表，并为每个主体类型关联有对应的主体模型。终端设备可以将各个主体区域与各个主体模型进行匹配，选取匹配度最高的主体模型的主体类型作为主体区域对应的拍摄主体。

在一种可能的实现方式中，终端设备在对场景图像进行解析之前，可以对场景图像进行预处理操作，从而能够提高拍摄主体识别的准确性。具体地，预处理操作的方式可以为：终端设备对场景图像进行灰度处理，即将彩色图像转换为单色图像，并通过滤波器以及拍摄场景的实际光强，对上述单色图像进行调整，例如提高高光区域的像素值以及降低阴影区域的像素值等，并通过轮廓识别算法，确定场景图像内包含的轮廓线，对轮廓线区域进行加深处理，从而能够便于分离各个拍摄主体以及确定各个拍摄主体的轮廓特征。

在S603中，根据所有所述拍摄主体确定所述场景类型。

在本实施例中，终端设备可以根据识别得到的拍摄主体，计算各个候选类型的匹配因子，并将所有拍摄主体的匹配因子进行叠加，确定各个候选类型的匹配度。选取匹配度最高的一个候选场景作为场景图像对应的场景类型。

在一种可能的实现方式中，终端设备可以根据各个拍摄主体在场景图像内所占的面积，确定各个拍摄主体对应的权重值。其中，拍摄主体在场景图像内所占的面积越大，则对应的权重值越高；反之，所占面积越少，则对应的权重值越低，并基于各个拍摄主体与候选类型之间的匹配因子以及权重值进行加权叠加，确定各个候选类型的匹配度。

举例性地，一场景图像内拍摄到的拍摄主体包含有：取款机、屏蔽门、银行标志以及实体人，并且上述拍摄主体占整个场景图像的区域面积分别为：25％、30％、8％以及15％，终端设备可以将上述的区域面积占比转换为对应的权重值，分别为：2,2,1以及1.5。上述四个拍摄主体与银行场景类型之间的匹配因子分别为：100％、80％、100％以及30％，因此场景图像与银行场景类型之间的匹配度具体为：2*100％+2*80％+1*100％+1.5*30％＝5.05。

在本申请实施例中，通过智能眼镜采集场景图像，并对场景图像内包含的拍摄主体进行解析，从而确定当前的场景类型，实现了场景类型的自动识别，并进一步提高了场景类型的识别准确性，从而提高了电子卡选取的准确率。

图9示出了本申请第三实施例提供的一种电子卡的选取方法S301的具体实现流程图。参见图9，相对于图3所述实施例，本实施例提供的一种电子卡的选取方法中S301包括：S901～S903，具体详述如下：

进一步地，所述获取当前的场景信息，并根据所述场景信息确定场景类型，包括：

在S901中，采集当前场景下的环境声。

在本实施例中，终端设备可以通过内置或外置的麦克风模块采集当前场景的环境声。具体地，终端设备在检测到满足预设的场景信息采集条件时，可以向麦克风模块发送一个场景信息采集指令。其中，基于场景信息采集条件触发场景类型识别操作的过程可以参见上一实施例的相关描述，在此不再赘述。

在一种可能的实现方式中，用户佩戴有耳机控件，该耳机控件包含有第一麦克风模块，而终端设备与耳机控件之间建立有通信链路。在该情况下，终端设备可以控制耳机控件的第一麦克风模块以及内置的第二麦克风模块采集环境声，并基于两个麦克风模块采集到的环境声确定当前场景下的环境声。具体地，基于两路环境声确定当前场景的环境声的方式可以为：终端设备检测第一麦克风模块采集的第一环境声的第一信噪比，以及确定第二麦克风模块采集的第二环境声的第二信噪比，并判断两个信噪比大小，选取信噪比较大的环境声作为当前场景下的环境声。由于信噪比越大，则表示采集环境声时噪声信号的影响越小，从而在后续确定发声主体的过程中，准确率更高。

在S902中，获取所述环境声的频域频谱，并根据所述频域频谱内包含的频率值确定当前场景内包含的发声主体。

在本实施例中，终端设备可以对环境声进行傅里叶变换，将时域信号转换为频域信号，得到环境声对应的频域频谱，并基于频谱频谱内包含的频率值以及各个频率值对应的频域振幅，确定场景内包含的发声主体。由于不同的物体有固定的的发声频率，终端设备可以通过频率值的不同确定不同的发声主体。例如，人体的发声频率在8-10KHz，而蜂鸣器的发声频率则固定在2KHz。因此，将环境声转换为频域信号，则可以确定该环境声对应的发声主体。

在一种可能的实现方式中，终端设备可以确定各个发声主体对应的权重值，其中确定权重值的方式可以为：终端设备识别各个发声主体在频域频谱内的振幅大小，并基于振幅大小确定各个发声主体的权重值。

在S903中，根据所有所述发声主体确定所述场景类型。

在本实施例中，终端设备可以在确定了发声主体后，可以根据识别得到的发声主体，计算各个候选类型的匹配因子，并将所有发声主体的匹配因子进行叠加，确定各个候选类型的匹配度。选取匹配度最高的一个候选场景作为环境声对应的场景类型。

在本申请实施例中，通过麦克风采集环境声，并对环境声内包含的发声主体进行解析，从而确定当前的场景类型，实现了场景类型的自动识别提高了电子卡选取的准确率。

图10示出了本申请第四实施例提供的一种电子卡的选取方法S301的具体实现流程图。参见图10，相对于图3所述实施例，本实施例提供的一种电子卡的选取方法中S301包括：S1001～S1003，具体详述如下：

进一步地，所述获取当前的场景信息，并根据所述场景信息确定场景类型，包括：

在S1001中，获取当前的位置信息，并提取所述位置信息内包含的场景关键词。

在本实施例中，终端设备内置有定位模块，通过定位模块可以确定终端设备当前的定位坐标，通过第三方地图服务器或地图应用等方式，可以获取得到定位坐标关联的位置信息。举例性地，若终端设备获取得到的当前的定位坐标为(113.300562,23.143292)，则可以将其输入到对应的地图应用，获取该定位坐标关联的位置信息，例如上述的定位坐标对应的位置信息为：A市B区域的银行A，从而能够通过包含文字内容的位置信息，确定当前的场景类型。

在本实施例中，终端设备可以通过语义识别算法，从位置信息中提取场景关键词。在一种可能的实现方式中，终端设备可以将删除区域相关的字符，保留与场景相关的字符，并将与场景相关的字符作为上述的场景关键词。举例性地，上述确定的位置信息为：A市B区域C街道XX号银行G，通过语义识别算法，可以确定“A市B区域C街道XX号”为与区域相关的字符，则进行删除，剩下与场景相关的字符，即“银行G”，则将“银行G”作为桑树的场景关键词。

在S1002中，根据所有所述场景关键词关联的候选场景的置信度，分别计算各个候选场景的置信概率。

在本实施例中，终端设备可以分别计算各个场景关键词与各个候选场景之间的置信度，并根据所有场景关键词的置信度计算该位置信息与各个候选场景之间的置信概率。举例性地，若位置信息内包含有场景关键词A以及场景关键词B，则与第一候选场景之间的置信度分为80％以及60％，终端设备可以将上述两个置信度进行叠加，也可以计算上述两个置信度之间的均值，将计算结果作为第一候选场景的置信概率。

在一种可能的实现方式中，终端设备可以为不同的候选场景配置有对应的关键词列表，终端设备可以判断上述的场景关键词内是否在候选场景的关键词列表内，基于判断结果确定上述的置信度。具体地，若该场景关键词在候选场景的关键词列表内，则识别上述的场景关键词与该候选场景之间的置信度为100％；反之，则判断场景关键词内是否存在任一字符在候选场景的关键词列表内，并基于包含的字符个数，确定与候选场景之间的置信度。

在S1003中，选取所述置信概率最高的候选场景作为所述位置信息对应的场景类型。

在本实施例中，终端设备可以选取置信度最高的一个候选场景作为与位置信息相匹配的场景类型。

在本申请实施例中，通过确定位置信息，并对位置信息进行语义分析，确定场景关键词，并基于场景关键词确定各个候选场景的置信概率，从而确定当前的场景类型，实现了场景类型的自动识别提高了电子卡选取的准确率。

图11示出了本申请第五实施例提供的一种电子卡的选取方法S302的具体实现流程图。参见图11，相对于图3、图6、图9以及图10任一所述实施例，本实施例提供的一种电子卡的选取方法中S302包括：S1101～S1102，具体详述如下：

进一步地，所述选取与所述场景类型匹配的候选电子卡作为目标电子卡，包括：

在S1101中，分别计算各个所述候选电子卡与所述场景类型之间的匹配度。

在本实施例中，终端设备在确定了场景类型后，可以分别计算终端设备内各个已有的候选电子卡之间的匹配度。具体地，终端设备可以存储有各个候选电子卡的标准场景，每个标准场景可以对应至少一个场景标签，并基于场景标签的范围大小，建立对应的标签树。举例性地，对于某一交通电子卡，关联有以下场景标签：“区级巴士”、“巴士”、“公交”以及“交通”，根据场景标签所包含的范围大小，可以确定，“巴士”是涵盖了“区级巴士”、“市级巴士”等多种区域巴士类型，是巴士类型的统称，即“巴士”的范围大于“区级巴士”，因此“巴士”为“区级巴士”的父节点，依次类推，可以构建成一标签树。终端设备可以根据范围大小，配置对应的匹配度，其中范围越小，则对应的匹配度越高。终端设备可以判断当前的场景类型是否与候选电子卡的任一场景标签相匹配，并基于匹配的场景标签关联的匹配度，作为该场景类型与候选电子卡之间的匹配度。

在S1102中，选取所述匹配度最高的所述候选电子卡作为所述目标电子卡。

在本实施例中，由于匹配度是用于标识各个候选电子卡与当前场景之间的关联关系，因此，匹配度越高，则候选电子卡与当前场景之间的关联关系越强；反之，匹配度越低，则候选电子卡与当前场景之间的关联关系越弱。基于此，终端设备可以选取匹配度最高的候选电子卡作为目标电子卡，实现了电子卡的自动选取。

在本申请实施例中，通过计算各个候选电子卡与场景类型之间的匹配度，并选取匹配度最高的候选电子卡作为目标电子卡，提高了目标电子卡的选取准确性。

进一步地，作为本申请的另一实施例，在S302之后，还可以包括S1103以及S1104：

在S1103中，通过所述目标电子卡与刷卡设备执行刷卡认证操作。

在本实施例中，终端设备在确定了目标电子卡后，可以通过与刷卡设备之间的近场通信链路，将目标电子卡的卡信息发送给刷卡设备，以对目标电子卡进行刷卡认证，判断该目标电子卡是否与刷卡设备相匹配。若匹配成功，则执行后续的认证、授权、扣费等操作，其中后续操作与用户发起的操作类型相关，例如，目标电子卡为交通类型的电子卡，则可以通过交通电子卡支付交通费用；若目标电子卡为门禁类型的电子卡，则可以通过门禁电子卡进行开门授权。若检测到刷卡认证失败，则执行S1104的操作。

在S1104中，若刷卡认证失败，则从除所述目标电子卡外的所有所述候选电子卡中，选取所述匹配度最高的所述候选电子卡作为新的所述目标电子卡，并返回执行所述通过所述目标电子卡与刷卡设备执行刷卡操作，直到刷卡认证成功。

在本实施例中，终端设备若接收到刷卡设备反馈的认证失败信息，则表示当前选择的目标电子卡与当前场景类型不匹配，因此需要重新从候选电子卡中重新确定目标电子卡。因此，终端设备可以选取匹配度数值次高的候选电子卡作为目标电子卡，并重新执行刷卡认证操作，直到刷卡认证成功。

在本申请实施例中，在刷卡失败时，自动选取匹配度次高的候选电子卡作为目标电子卡，从而实现了自动更换电子卡的目的，减少了用户的操作。

图12示出了本申请第六实施例提供的一种电子卡的选取方法S302的具体实现流程图。参见图12，相对于图3、图6、图9以及图10任一所述实施例，本实施例提供的一种电子卡的选取方法中S302包括：S1201～S1202，具体详述如下：

进一步地，所述选取与所述场景类型匹配的候选电子卡作为目标电子卡，包括：

在S1201中，获取各个所述候选电子卡的标准场景。

在本实施例中，终端设备在存储各个候选电子卡时，可以根据用户设置或者基于电子卡类型确定关联的标准场景，并建立有标准场景索引表，并在确定了当前场景的场景类型后，基于上述的标准场景索引表，获取各个候选电子卡预先关联的标准场景。

在S1202中，将所述场景类型与各个所述标准场景进行匹配，并根据匹配结果确定所述目标电子卡。

在本实施例中，终端设备可以将当前识别得到的场景类型与各个标准场景进行匹配，判断是否存在任一候选电子卡的标准场景与当前的场景类型一致，若存在，则识别该候选电子卡为目标电子卡。

在本申请实施例中，通过为不同的候选电子卡关联标准场景，将标准场景与场景类型相匹配，确定目标电子卡，实现了目标电子卡的自动选取，减少了用户的操作难度，提高了刷卡效率。

示例性地，图13示出了本申请一实施例提供的电子卡的选取***的结构示意图。参见图13所示，该电子卡的选取***包含有移动终端131，智能眼镜132、外置式麦克风133以及刷卡设备134，其中，移动终端131与智能眼镜132以及外置式麦克风133之间建立有通信连接，该移动终端131与刷卡设备134通过近场通信模块建立有通信连接。移动终端131内置有摄像模块1311、定位模块1312以及内置麦克风模块1313，移动终端131可以通过上述多个模块采集不同类型的场景信息，需要说明的是，移动终端131可以调用任一模块或外接设备采集一个场景信息，也可以通过两个或以上的模块、外接设备采集多个场景信息，并基于场景信息确定场景类型，并基于场景类型选取目标电子卡。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

对应于上文实施例所述的电子卡的选取方法，图14示出了本申请实施例提供的电子卡的选取装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。

参照图14，该电子卡的选取装置包括：

场景类型确定单元141，用于获取当前的场景信息，并根据所述场景信息确定场景类型；

电子卡选取单元142，用于选取与所述场景类型匹配的候选电子卡作为目标电子卡。

可选地，所述场景类型确定单元141包括：

场景图像获取单元，用于接收智能眼镜反馈的场景图像；

场景图像解析单元，用于识别所述场景图像内包含的拍摄主体；

拍摄主体解析单元，用于根据所有所述拍摄主体确定所述场景类型。

可选地，所述场景类型确定单元141包括：

环境声采集单元，用于采集当前场景下的环境声；

发声主体确定单元，用于获取所述环境声的频域频谱，并根据所述频域频谱内包含的频率值确定当前场景内包含的发声主体；

发声主体解析单元，用于根据所有所述发声主体确定所述场景类型。

可选地，所述场景类型确定单元141包括：

场景关键词提取单元，用于获取当前的位置信息，并提取所述位置信息内包含的场景关键词；

置信概率计算单元，用于根据所有所述场景关键词关联的候选场景的置信度，分别计算各个候选场景的置信概率；

场景类型选取单元，用于选取所述置信概率最高的候选场景作为所述位置信息对应的场景类型。

可选地，所述电子卡选取单元142包括：

匹配度计算单元，用于分别计算各个所述候选电子卡与所述场景类型之间的匹配度；

匹配度选取单元，用于选取所述匹配度最高的所述候选电子卡作为所述目标电子卡。

可选地，所述电子卡的选取装置还包括：

刷卡认证单元，用于通过所述目标电子卡与刷卡设备执行刷卡认证操作；

认证失败响应单元，用于若刷卡认证失败，则从除所述目标电子卡外的所有所述候选电子卡中，选取所述匹配度最高的所述候选电子卡作为新的所述目标电子卡，并返回执行所述通过所述目标电子卡与刷卡设备执行刷卡操作，直到刷卡认证成功。

可选地，所述电子卡选取单元142包括：

标准场景获取单元，用于获取各个所述候选电子卡的标准场景；

标准场景匹配单元，用于将所述场景类型与各个所述标准场景进行匹配，并根据匹配结果确定所述目标电子卡。

因此，本申请实施例提供的电子卡的选取装置同样可以在生成目标神经网络之前，通过获取目标神经网络的网络信息，确定不同网络层级对应的量化精度，并基于当前层级的量化精度与上一层级的量化精度，配置用于转换不同精度之间数据格式的预处理函数，并根据预处理函数生成目标神经网络，从而实现了在同一目标神经网络内处理不同精度的数据，解决了混合精度的神经网络的兼容性问题，提高了运算效率。

图15为本申请一实施例提供的终端设备的结构示意图。如图15所示，该实施例的终端设备15包括：至少一个处理器150(图15中仅示出一个)处理器、存储器151以及存储在所述存储器151中并可在所述至少一个处理器150上运行的计算机程序152，所述处理器150执行所述计算机程序152时实现上述任意各个电子卡的选取方法实施例中的步骤。

所述终端设备15可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括，但不仅限于，处理器150、存储器151。本领域技术人员可以理解，图15仅仅是终端设备15的举例，并不构成对终端设备15的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。

所称处理器150可以是中央处理单元(Central Processing Unit，CPU)，该处理器150还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器151在一些实施例中可以是所述终端设备15的内部存储单元，例如终端设备15的硬盘或内存。所述存储器151在另一些实施例中也可以是所述终端设备15的外部存储设备，例如所述终端设备15上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器151还可以既包括所述终端设备15的内部存储单元也包括外部存储设备。所述存储器151用于存储操作***、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器151还可以用于暂时地存储已经输出或者将要输出的数据。

需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请实施例还提供了一种网络设备，该网络设备包括：至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。

本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。

本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种电子卡的选取方法，其特征在于，包括：

获取当前的场景信息，并根据所述场景信息确定场景类型；

选取与所述场景类型匹配的候选电子卡作为目标电子卡。

2.根据权利要求1所述的选取方法，其特征在于，所述获取当前的场景信息，并根据所述场景信息确定场景类型，包括：

接收智能眼镜反馈的场景图像；

识别所述场景图像内包含的拍摄主体；

根据所有所述拍摄主体确定所述场景类型。

3.根据权利要求1所述的选取方法，其特征在于，所述获取当前的场景信息，并根据所述场景信息确定场景类型，包括：

采集当前场景下的环境声；

获取所述环境声的频域频谱，并根据所述频域频谱内包含的频率值确定当前场景内包含的发声主体；

根据所有所述发声主体确定所述场景类型。

4.根据权利要求1所述的选取方法，其特征在于，所述获取当前的场景信息，并根据所述场景信息确定场景类型，包括：

获取当前的位置信息，并提取所述位置信息内包含的场景关键词；

根据所有所述场景关键词关联的候选场景的置信度，分别计算各个候选场景的置信概率；

选取所述置信概率最高的候选场景作为所述位置信息对应的场景类型。

5.根据权利要求1-4任一所述的选取方法，所述选取与所述场景类型匹配的候选电子卡作为目标电子卡，包括：

分别计算各个所述候选电子卡与所述场景类型之间的匹配度；

选取所述匹配度最高的所述候选电子卡作为所述目标电子卡。

6.根据权利要求5所述的选取方法，其特征在于，在所述选取与所述场景类型匹配的候选电子卡作为目标电子卡之后，还包括：

通过所述目标电子卡与刷卡设备执行刷卡认证操作；

若刷卡认证失败，则从除所述目标电子卡外的所有所述候选电子卡中，选取所述匹配度最高的所述候选电子卡作为新的所述目标电子卡，并返回执行所述通过所述目标电子卡与刷卡设备执行刷卡操作，直到刷卡认证成功。

7.根据权利要求1-4任一所述的选取方法，其特征在于，所述选取与所述场景类型匹配的候选电子卡作为目标电子卡，包括：

获取各个所述候选电子卡的标准场景；

将所述场景类型与各个所述标准场景进行匹配，并根据匹配结果确定所述目标电子卡。

8.一种电子卡的选取装置，其特征在于，包括：

场景类型确定单元，用于获取当前的场景信息，并根据所述场景信息确定场景类型；

电子卡选取单元，用于选取与所述场景类型匹配的候选电子卡作为目标电子卡。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。

Images