房屋短租事件的检测方法、装置、电子设备及存储介质与流程

1.本技术涉及事件检测领域，尤其涉及一种房屋短租事件的检测方法、装置、电子设备及存储介质。


背景技术：

2.随着经济和城镇化进程的大发展，城乡人口大流动，带动了作为流动人口主要落脚点的房屋租赁市场的迅猛发展，而短租房作为出租房形式的其中一种，具有租赁方便，隐蔽性，价格低廉等特点，而由于其隐蔽性，管理部门无法对该类问题精细化监管，为社会治安也带来了一定隐患。目前管理部门对短租房的管理主要依靠短租房主自主申请和相关人员上门摸查、登记等方法对短租房进行管理，但是采用现有的方法，人力消耗较大。


技术实现要素：

3.本技术实施例提供一种房屋短租事件的检测方法，通过电子设备直接获取未实名人员的时空轨迹数据，并将时空轨迹数据输入至预训练的人员分类模型，以获得预训练的人员分类模型输出的针对未实名人员的人员分类结果，以及基于人员分类结果，确定目标房屋的对应的房屋短租事件的检测结果，不需要管理部门上门摸查、登记等方法对短租房进行检测，从而节省了大量的人力，提高了房屋短租事件的检测的效率。
4.第一方面，本技术实施例提供一种房屋短租事件的检测方法，用于电子设备，包括以下步骤：
5.在获取到目标人员的人像数据时，基于所述目标人员的人像数据和预设的人员数据库，在所述目标人员中确定出未实名人员，所述目标人员是目标房屋的出入人员；
6.获取所述未实名人员的时空轨迹数据；
7.将所述时空轨迹数据输入至预训练的人员分类模型，以获得所述预训练的人员分类模型输出的针对未实名人员的人员分类结果，所述预训练的人员分类模型是利用预设时空轨迹数据和所述预设时空轨迹数据对应的预设分类结果对初始分类模型训练得到；
8.基于所述人员分类结果，确定所述目标房屋的对应的房屋短租事件的检测结果。
9.进一步的，所述获取所述未实名人员的时空轨迹数据之前，所述方法还包括：
10.在监测到所述目标人员在所述目标房屋出入时，拍摄所述目标人员的人像数据；
11.所述获取所述未实名人员的时空轨迹数据的步骤，包括：
12.在所述所述目标人员的人像数据中提取所述未实名人员的人像数据；
13.对所述未实名人员的人像数据进行聚类，获得每个所述未实名人员的人像数据集合；
14.基于每个所述未实名人员的人像数据集合中各个人像数据的时间信息和位置信息，获得每个所述未实名人员的时空轨迹数据。
15.进一步的，所述基于所述目标人员的人像数据和预设的人员数据库，在所述目标人员中确定出未实名人员，包括：
16.将所述目标人员的人像数据与所述人员数据库中的各实名人员对应的人像数据依次进行比对，以确定所述目标人员的人像数据与所述人员数据库中的各实名人员对应的人像数据之间的相似度；
17.若所述目标人员的人像数据与所述人员数据库中的各实名人员对应的人像数据之间的相似度均小于预设相似度阈值，则将所述目标人员确定为所述未实名人员。
18.进一步的，，所述人员分类结果包括常住人员标签和访客标签，所述基于所述人员分类结果，确定所述目标房屋的对应的房屋短租事件的检测结果，包括：
19.若所述人员分类结果为访客标签，则根据所述目标房屋的到访记录，确定包含的所述未实名人员的目标访客记录；
20.基于所述目标访客记录，确定所述目标房屋的对应的房屋短租事件的检测结果。
21.进一步的，所述基于所述目标访客记录，确定所述目标房屋的对应的房屋短租事件的检测结果，包括：
22.若根据所述目标访客记录，确定所述未实名人员为到访记录满足预设条件的访客人员，则确定所述目标房屋存在房屋短租事件，所述预设条件包括所述未实名人员在第一预设时间段内仅到访过所述目标房屋一次、所述未实名人员在第二预设时间段内到访过所述目标房屋两次以上且任意两次到访的时间间隔超过预设时间阈值中的至少一种；
23.若根据所述目标访客记录，确定所述未实名人员为到访记录不满足预设条件的访客人员，则确定所述目标房屋不存在房屋短租事件。
24.进一步的，所述基于所述目标访客记录，确定所述目标房屋的对应的房屋短租事件的检测结果，包括：
25.获取所述目标房屋的网格登记信息；
26.基于所述网格登记信息，获得目标业主的人像数据，所述目标业主是为未登记居住在所述目标房屋的房屋业主；
27.基于所述目标访客记录、所述目标业主的人像数据和所述未实名人员的人像数据，确定所述目标房屋的对应的房屋短租事件的检测结果。
28.进一步的，所述基于所述目标访客记录、所述目标业主的人像数据和所述未实名人员的人像数据，确定所述目标房屋的对应的房屋短租事件的检测结果，包括：
29.获取所述目标房屋的租赁信息；
30.在所述租赁信息中筛选租期小于预设时长的短租信息；
31.基于所述短租信息、所述目标访客记录、所述目标业主的人像数据和所述未实名人员的人像数据，确定所述目标房屋的对应的房屋短租事件的检测结果。
32.第二方面，本技术实施例提供一种房屋短租事件的检测装置，用于电子设备，包括：
33.确定模块，用于在获取到目标人员的人像数据时，基于所述目标人员的人像数据和预设的人员数据库，在所述目标人员中确定出未实名人员，所述目标人员是目标房屋的出入人员；
34.获取模块，用于获取所述未实名人员的时空轨迹数据；
35.分类模块，用于将所述时空轨迹数据输入至预训练的人员分类模型，以获得所述预训练的人员分类模型输出的针对未实名人员的人员分类结果，所述预训练的人员分类模
型是利用预设时空轨迹数据和所述预设时空轨迹数据对应的预设分类结果对初始分类模型训练得到；
36.获得模块，用于基于所述人员分类结果，确定所述目标房屋的对应的房屋短租事件的检测结果。
37.第三方面，本技术实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述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本技术实施例提供的房屋短租事件的检测方法中的步骤。
38.第四方面，本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现发明实施例提供的房屋短租事件的检测方法中的步骤。
39.本技术实施例中，在获取到目标人员的人像数据时，基于目标人员的人像数据和预设的人员数据库，在目标人员中确定出未实名人员，目标人员是目标房屋的出入人员；获取未实名人员的时空轨迹数据；将时空轨迹数据输入至预训练的人员分类模型，以获得预训练的人员分类模型输出的针对未实名人员的人员分类结果，预训练的人员分类模型是利用预设时空轨迹数据和预设时空轨迹数据对应的预设分类结果对初始分类模型训练得到；基于人员分类结果，确定目标房屋的对应的房屋短租事件的检测结果。通过获取未实名人员的时空轨迹数据，并将时空轨迹数据输入预训练的人员分类模型，以获得未实名人员的人员分类结果，以及基于人员分类结果，获得目标房屋的房屋短租事件的检测结果，不需要管理部门上门摸查、登记等方法对短租房进行检测，从而节省了大量的人力，提高了房屋短租事件的检测的效率。
附图说明
40.为了更清楚地说明本技术实施例或现有技术中的技术方案，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技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
41.图1是本技术实施例提供的一种房屋短租事件的检测方法的流程图；
42.图2是本技术实施例提供的另一种房屋短租事件的检测方法步骤104之前的流程图；
43.图3是本技术实施例提供的一种房屋短租事件的检测装置的结构示意图；
44.图4是本技术实施例提供的另一种房屋短租事件的检测装置的结构示意图；
45.图5是本技术实施例提供的确定模块的结构示意图；
46.图6是本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
47.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
48.请参见图1，图1是本技术实施例提供的一种房屋短租事件的检测方法的流程图，如图1所示，该房屋短租事件的检测方法包括以下步骤：
49.101、在获取到目标人员的人像数据时，基于目标人员的人像数据和预设的人员数据库，在目标人员中确定出未实名人员，目标人员是目标房屋的出入人员。
50.在本技术实施例中，目标房屋可以是指进行短租事件分析的一个小区中的某一栋或某一单元。目标房屋的巷道、公寓、房屋出入口等监测区域安装有摄像机，用于获取目标用户的人像数据(通常包括人脸数据、人体数据和走路姿势数据等)，目标用户即是出现在目标房屋的监测区域的人员，目标人员出现在监测区域，表明目标人员在目标房屋出入。
51.在一些实施例中，可以由监测区域的摄像机实时拍摄的目标人员的人像数据，并存储人像数据，当摄像机获取的人像数据量到达预设数据量阈值时，或接收到工作人员的检测指令时，电子设备自动获取监测区域的摄像机拍摄的人像数据。其中，预设数据量阈值可以是用户基于需求设定，本技术不做限定。
52.短租顾客一般住的时间较短，通常为未实名人员，而目标人员包括监测到的全部人员，需要在全部人员中确定出未实名人员，以对未实名人员继续进行分析，获得最终的房屋短租事件的检测结果。
53.其中，预设的人员数据库可以是指目标房屋所在的辖区的实有人口数据库，该数据库通常是由相关部门收集并存储的，在预设的人员数据库中，存有各种预设实名人员(预设实名人员是指相关部门统计的已经实名认证的人员)的各种数据(例如人脸数据、人体数据和走路姿势数据等)。
54.具体的，基于目标人员的人像数据和预设的人员数据库，在目标人员中确定出未实名人员，包括：将目标人员的人像数据与人员数据库中的各实名人员对应的人像数据依次进行比对，以确定目标人员的人像数据与人员数据库中的各实名人员对应的人像数据之间的相似度；若目标人员的人像数据与人员数据库中的各实名人员对应的人像数据之间的相似度均小于预设相似度阈值，则将目标人员确定为未实名人员。其中，预设相似度阈值可以是用户基于需求设定，本技术不做限定。
55.通常，一个目标人员的人像数据与人员数据库中某一个实名人员对应的人像数据的相似度大于或等于预设相似度阈值时，该目标人员即是该预设实名人员，此时该目标人员即为实名人员；同理，一个目标人员的人像数据与人员数据库中全部实名人员对应的人像数据的相似度均小于预设相似度阈值，该目标人员不是预设实名人员中的一个，此时该目标人员即为未实名人员。
56.利用目标人员的人像数据与预设的人员数据库中预设实名人员数据的相似度确定出未实名人员，不需要工作人员手动确定未实名人员，提高了未实名人员的确定效率。
57.102、获取未实名人员的时空轨迹数据。
58.具体的，获取未实名人员的时空轨迹数据的步骤之前，方法还包括：在监测到目标人员在目标房屋出入时，拍摄目标人员的人像数据；相应的，获取未实名人员的时空轨迹数据的步骤，包括：在目标人员的人像数据中提取未实名人员的人像数据；对未实名人员的人像数据进行聚类，获得每个未实名人员的人像数据集合；基于每个未实名人员的人像数据集合中各个人像数据的时间信息和位置信息，获得每个未实名人员的时空轨迹数据。
59.参照上文描述，监测区域的各个摄像机除了获取目标人员的人像数据外，还可以
获取目标人员的人像数据的获得时刻(时间信息)和获得地点(位置信息)，从目标人员的人像数据中提取未实名人员的人像数据，然后将未实名人员的人像数据相同的划分为一个数据集合，获得各个未实名人员对应的人像数据集合，一个未实名人员对应一个人像数据集合；对于一个未实名人员，基于人像数据集合中各个人像数据的时间信息和位置信息，确定出该未实名人员的时空轨迹数据。按照此方法，获得全部目标人员的时空轨迹数据。
60.同理，在一些实施例中，对于目标人员，也可以按照上述方式获得他们的时空轨迹数据。
61.按照上述聚类的方式获得目标人员的时空轨迹数据，时空轨迹数据的获得效率较高，不需要花费较大的时间和资源对目标人员的人像数据进行分析，从而节省了电子设备的计算资源和计算消耗。
62.可以理解的，未实名人员的人像数据和时空轨迹数据组成了未实名人员的基础档案，这些基础档案并不具有未实名人员的身份信息。
63.另外，在对目标人员进行人像数据的收集时候，还会拍摄目标人员的大图数据，大图数据主要用户确定目标用户是否背包和是否携带行李等信息。在目标人员中确定出未实名人员之后，直接在目标人员的大图数据中获取未实名人员的大图数据。
64.103、将时空轨迹数据输入至预训练的人员分类模型，以获得预训练的人员分类模型输出的针对未实名人员的人员分类结果，预训练的人员分类模型是利用预设时空轨迹数据和预设时空轨迹数据对应的预设分类结果对初始分类模型训练得到。
65.预训练的人员分类模型是利用预设时空轨迹数据和预设时空轨迹数据对应的预设分类结果(预设时空轨迹数据对应分类结果，且预设分类结果均是准确的)，对初始分类模型进行训练获得。其中，预设人员被分为常住人员和访客人员，预设人员的时空轨迹数据即为预设时空轨迹数据，预设时空轨迹数据的预设分类结果即为预设人员的分类结果：常住人员和访客人员。一般而言，需要获取到大量的预设人员的时空轨迹数据和对应的预设分类结果作为训练样本，利用训练样本对初始分类模型(例如神经网络模型或决策树模型)进行训练，获得该预训练的人员分类模型。
66.未实名人员的时空轨迹数据对应的人员分类结果为常住人员标签和访客标签；常住人员标签对应的常住人员不会是短租用户，因此只需要对访客标签对应的访客人员进一步进行分析即可。
67.104、基于人员分类结果，确定目标房屋的对应的房屋短租事件的检测结果。
68.当人员分类结果为常住人员标签时，确定目标房屋不存在短租事件，若人员分类结果为访客标签，确定目标房屋存在短租事件。
69.进一步的，基于人员分类结果，在未实名人员中确定出访客人员(访客标签对应的未实名人员)，然后继续在未实名人员的大图数据中确定出访客人员的大图数据，综合访客人员的大图数据和访客人员，确定访客人员是否为短租顾客，若确定访客人员为短租顾客，则房屋短租事件的检测结果为目标房屋存在短租事件，若确定访客人员均不是短租顾客，则房屋短租事件的检测结果为目标房屋不存在短租事件。
70.进一步的，获得目标房屋的房屋短租事件的检测结果的步骤之后，方法还包括：对房屋短租事件的检测结果进行核查，以获得核查结果，核查结果包括确定为短租顾客的实际空间轨迹数据和实际空间轨迹数据对应的实际人员分类结果；将实际空间轨迹数据和实
际人员分类结果输入预训练的人员分类模型进行更新，获得更新后的预训练的人员分类模型。
71.利用半监督学习的方式对预训练的人员分类模型进行更新，提高了预训练的人员分类模型的分类准确率，同时，在数据变动时，并不需要重新构建预训练的人员分类模型，只需要进行预训练的人员分类模型的更新，提高了预训练的人员分类模型的获得效率和适用性。
72.本技术实施例中，在在获取到目标人员的人像数据时，基于目标人员的人像数据和预设的人员数据库，在目标人员中确定出未实名人员，目标人员是目标房屋的出入人员；获取未实名人员的时空轨迹数据；将时空轨迹数据输入至预训练的人员分类模型，以获得预训练的人员分类模型输出的针对未实名人员的人员分类结果，预训练的人员分类模型是利用预设时空轨迹数据和预设时空轨迹数据对应的预设分类结果对初始分类模型训练得到；基于人员分类结果，确定目标房屋的对应的房屋短租事件的检测结果。通过获取未实名人员的时空轨迹数据，并将时空轨迹数据输入预训练的人员分类模型，以获得未实名人员的人员分类结果，以及基于人员分类结果，获得目标房屋的房屋短租事件的检测结果，不需要管理部门上门摸查、登记等方法对短租房进行检测，从而节省了大量的人力，提高了房屋短租事件的检测的效率。
73.可选的，请参见图2，图2是本技术实施例提供的另一种房屋短租事件的检测方法步骤104细化的流程图，如图2所示，具体包括以下步骤：
74.201、若人员分类结果为访客标签，则根据目标房屋的到访记录，确定包含的未实名人员的目标访客记录。
75.202、基于目标访客记录，确定目标房屋的对应的房屋短租事件的检测结果。
76.参照上文描述，访客标签是人员分类结果为访客标签的未实名人员，也叫访客人员，在上文的目标人员的基础档案中，获取访客人员的基础档案数据，基于访客人员的基础档案数据中的人像数据，确定出访客人员到访记录，即目标访客记录，目标访客记录可以包括：有过多次到访记录的真实访客以及单次到访的疑似短租顾客(也即是选定访客人员)等；其中单次到访可以细分为仅有单次连续(1到3天内)进出轨迹规律和有多次不连续进出轨迹人员进出。
77.具体的，基于目标访客记录，确定目标房屋的对应的房屋短租事件的检测结果，包括：若根据目标访客记录，确定未实名人员为到访记录满足预设条件的访客人员，则确定目标房屋存在房屋短租事件，预设条件包括未实名人员在第一预设时间段内仅到访过目标房屋一次、未实名人员在第二预设时间段内到访过目标房屋两次以上且任意两次到访的时间间隔超过预设时间阈值中的至少一种；若根据目标访客记录，确定未实名人员为到访记录不满足预设条件的访客人员，则确定目标房屋不存在房屋短租事件。
78.此处，利用访客记录进一步对短租顾客进行分析，提高了短租顾客的判定准确率，进一步使得获得的房屋短租事件的检测结果准确率也得到了提升。
79.基于目标访客记录，确定目标房屋的对应的房屋短租事件的检测结果，包括：获取目标房屋的网格登记信息；基于网格登记信息，获得目标业主的人像数据，目标业主是为未登记居住在目标房屋的房屋业主；基于目标访客记录、目标业主的人像数据和未实名人员的人像数据，确定目标房屋的对应的房屋短租事件的检测结果。
80.在该实施例中，通过目标房屋的网格登记信息，确定出目标业主的人像数据，由于目标业主未在目标房屋居住，若目标业主的人像数据和未实名人员的人像数据出现在同一个时空内，且目标访客记录满足预设条件，则该具有访客标签的未实名人员为短租顾客，此时，确定目标房租存在房屋短租事件，否则，目标房租不存在房屋短租事件。
81.在该实施例中，进一步利用业主未居住信息，对短租顾客进行进一步的判断，以获得最终的房屋短租事件的检测结果。
82.进一步通过网格登记信息，对短租顾客进行辅助分析，使得对短租顾客进行分析时，获得的分析结果准确率较高，从而提高了房屋短租事件的检测结果的准确率。
83.进一步的，基于目标访客记录、目标业主的人像数据和未实名人员的人像数据，确定目标房屋的对应的房屋短租事件的检测结果，包括：获取目标房屋的租赁信息；在租赁信息中筛选租期小于预设时长的短租信息；基于短租信息、目标访客记录、目标业主的人像数据和未实名人员的人像数据，确定目标房屋的对应的房屋短租事件的检测结果。
84.在该实施例中，可以是在目标网站获取目标房屋的租赁信息，目标网站可以是各种类型的租赁网站，例如某58或某壳等；利用爬虫，在目标网站上获取目标房屋的租赁信息，将租赁信息中租期小于预设时长(预设时长可以是1 个月或2个月等)的租赁信息确定为短租信息；进一步结合短租信息、目标访客记录、目标业主的人像数据和未实名人员的人像数据，确定目标房屋的对应的房屋短租事件的检测结果。
85.例如，由于目标业主未在目标房屋居住，若目标业主的人像数据和未实名人员的人像数据出现在同一个时空内，目标访客记录满足预设条件，且目标房屋为短租信息，则该具有访客标签的未实名人员为短租顾客，此时，确定目标房租存在房屋短租事件，否则，目标房租不存在房屋短租事件。
86.进一步通过租赁信息，对短租顾客进行辅助分析，使得对短租顾客进行分析时，获得的分析结果准确率较高，从而提高了房屋短租事件的检测结果的准确率。
87.可选的，请参见图3，图3是本技术实施例提供的一种房屋短租事件的检测装置的结构示意图，如图3所示，所述装置包括：
88.确定模块301，用于在获取到目标人员的人像数据时，基于所述目标人员的人像数据和预设的人员数据库，在所述目标人员中确定出未实名人员，所述目标人员是目标房屋的出入人员；
89.获取模块302，用于获取所述未实名人员的时空轨迹数据；
90.分类模块303，用于将所述时空轨迹数据输入至预训练的人员分类模型，以获得所述预训练的人员分类模型输出的针对未实名人员的人员分类结果，所述预训练的人员分类模型是利用预设时空轨迹数据和所述预设时空轨迹数据对应的预设分类结果对初始分类模型训练得到；
91.获得模块304，用于基于所述人员分类结果，确定所述目标房屋的对应的房屋短租事件的检测结果。
92.可选的，如图4所示，所述装置还包括：
93.监测模块305，用于在监测到所述目标人员在所述目标房屋出入时，拍摄所述目标人员的人像数据；
94.相应的，所述获取模块302，还用于在所述所述目标人员的人像数据中提取所述未
实名人员的人像数据；对所述未实名人员的人像数据进行聚类，获得每所述未实名人员的人像数据集合；基于每个所述未实名人员的人像数据集合中各个人像数据的时间信息和位置信息，获得每个所述未实名人员的时空轨迹数据。
95.可选的，如图5所示，所述确定模块301，包括：
96.第一确定单元3011，用于将所述目标人员的人像数据与所述人员数据库中的各实名人员对应的人像数据依次进行比对，以确定所述目标人员的人像数据与所述人员数据库中的各实名人员对应的人像数据之间的相似度；
97.第二确定单元3012，用于若所述目标人员的人像数据与所述人员数据库中的各实名人员对应的人像数据之间的相似度均小于预设相似度阈值，则将所述目标人员确定为所述未实名人员。
98.可选的，所述获得模块303，还用于若所述人员分类结果为访客标签，则根据所述目标房屋的到访记录，确定包含的所述未实名人员的目标访客记录；基于所述目标访客记录，确定所述目标房屋的对应的房屋短租事件的检测结果。
99.可选的，所述获得模块303，还用于若根据所述目标访客记录，确定所述未实名人员为到访记录满足预设条件的访客人员，则确定所述目标房屋存在房屋短租事件，所述预设条件包括所述未实名人员在第一预设时间段内仅到访过所述目标房屋一次、所述未实名人员在第二预设时间段内到访过所述目标房屋两次以上且任意两次到访的时间间隔超过预设时间阈值中的至少一种；若根据所述目标访客记录，确定所述未实名人员为到访记录不满足预设条件的访客人员，则确定所述目标房屋不存在房屋短租事件。
100.可选的，所述获得模块303，还用于获取所述目标房屋的网格登记信息；基于所述网格登记信息，获得目标业主的人像数据，所述目标业主是为未登记居住在所述目标房屋的房屋业主；基于所述目标访客记录、所述目标业主的人像数据和所述未实名人员的人像数据，确定所述目标房屋的对应的房屋短租事件的检测结果。
101.可选的，所述获得模块303，还用于获取所述目标房屋的租赁信息；在所述租赁信息中筛选租期小于预设时长的短租信息；基于所述短租信息、所述目标访客记录、所述目标业主的人像数据和所述未实名人员的人像数据，确定所述目标房屋的对应的房屋短租事件的检测结果。
102.需要说明的是，本技术实施例提供的房屋短租事件的检测装置可以应用于可以进行图层级的业务分析的智能手机、电脑、服务器等设备。
103.本技术实施例提供的房屋短租事件的检测装置能够实现上述方法实施例中房屋短租事件的检测方法实现的各个过程，且可以达到相同的有益效果。为避免重复，这里不再赘述。
104.参见图6，图6是本技术实施例提供的一种电子设备的结构示意图，如图 6所示，包括：存储器1002、处理器1001及存储在所述存储器1002上并可在所述处理器1001上运行的房屋短租事件的检测方法的计算机程序，其中：
105.处理器1001用于调用存储器1002存储的计算机程序，执行如下步骤：
106.在获取到目标人员的人像数据时，基于所述目标人员的人像数据和预设的人员数据库，在所述目标人员中确定出未实名人员，所述目标人员是目标房屋的出入人员；
107.获取所述未实名人员的时空轨迹数据；
108.将所述时空轨迹数据输入至预训练的人员分类模型，以获得所述预训练的人员分类模型输出的针对未实名人员的人员分类结果，所述预训练的人员分类模型是利用预设时空轨迹数据和所述预设时空轨迹数据对应的预设分类结果对初始分类模型训练得到；
109.基于所述人员分类结果，确定所述目标房屋的对应的房屋短租事件的检测结果。
110.可选的，所述处理器1001执行获取所述未实名人员的时空轨迹数据之前，所述方法还包括：
111.在监测到所述目标人员在所述目标房屋出入时，拍摄所述目标人员的人像数据；
112.相应的，所述处理器1001执行获取所述未实名人员的时空轨迹数据，包括：
113.在所述所述目标人员的人像数据中提取所述未实名人员的人像数据；
114.对所述未实名人员的人像数据进行聚类，获得每所述未实名人员的人像数据集合；
115.基于每个所述未实名人员的人像数据集合中各个人像数据的时间信息和位置信息，获得每个所述未实名人员的时空轨迹数据。
116.可选的，所述处理器1001执行基于所述目标人员的人像数据和预设的人员数据库，在所述目标人员中确定出未实名人员，包括：
117.将所述目标人员的人像数据与所述人员数据库中的各实名人员对应的人像数据依次进行比对，以确定所述目标人员的人像数据与所述人员数据库中的各实名人员对应的人像数据之间的相似度；
118.若所述目标人员的人像数据与所述人员数据库中的各实名人员对应的人像数据之间的相似度均小于预设相似度阈值，则将所述目标人员确定为所述未实名人员。
119.可选的，所述人员分类结果包括常住人员标签和访客标签；所述处理器 1001执行基于所述人员分类结果，确定所述目标房屋的对应的房屋短租事件的检测结果，包括：
120.若所述人员分类结果为访客标签，则根据所述目标房屋的到访记录，确定包含的所述未实名人员的目标访客记录；
121.基于所述目标访客记录，确定所述目标房屋的对应的房屋短租事件的检测结果。
122.可选的，所述处理器1001执行基于所述目标访客记录，确定所述目标房屋的对应的房屋短租事件的检测结果，包括：
123.若根据所述目标访客记录，确定所述未实名人员为到访记录满足预设条件的访客人员，则确定所述目标房屋存在房屋短租事件，所述预设条件包括所述未实名人员在第一预设时间段内仅到访过所述目标房屋一次、所述未实名人员在第二预设时间段内到访过所述目标房屋两次以上且任意两次到访的时间间隔超过预设时间阈值中的至少一种；
124.若根据所述目标访客记录，确定所述未实名人员为到访记录不满足预设条件的访客人员，则确定所述目标房屋不存在房屋短租事件。
125.可选的，处理器1001执行基于所述目标访客记录，确定所述目标房屋的对应的房屋短租事件的检测结果，包括：
126.获取所述目标房屋的网格登记信息；
127.基于所述网格登记信息，获得目标业主的人像数据，所述目标业主是为未登记居住在所述目标房屋的房屋业主；
128.基于所述目标访客记录、所述目标业主的人像数据和所述未实名人员的人像数
据，确定所述目标房屋的对应的房屋短租事件的检测结果。
129.可选的，所述处理器1001执行所述基于所述目标访客记录、所述目标业主的人像数据和所述未实名人员的人像数据，确定所述目标房屋的对应的房屋短租事件的检测结果，包括：
130.获取所述目标房屋的租赁信息；
131.在所述租赁信息中筛选租期小于预设时长的短租信息；
132.基于所述短租信息、所述目标访客记录、所述目标业主的人像数据和所述未实名人员的人像数据，确定所述目标房屋的对应的房屋短租事件的检测结果。
133.需要说明的是，本技术实施例提供的电子设备可以应用于可以进行房屋短租事件的检测的智能手机、电脑、服务器等设备。
134.本技术实施例提供的电子设备能够实现上述方法实施例中房屋短租事件的检测方法实现的各个过程，且可以达到相同的有益效果。为避免重复，这里不再赘述。
135.本技术实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现本技术实施例提供的房屋短租事件的检测方法或应用端房屋短租事件的检测方法的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
136.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory， rom)或随机存取存储器(random access memory，简称ram)等。
137.以上所揭露的仅为本技术较佳实施例而已，当然不能以此来限定本技术之权利范围，因此依本技术权利要求所作的等同变化，仍属本技术所涵盖的范围。