1.一种基于机器视觉的停留车识别与定位方法，所述方法基于停留车网络检测模型，能够被一个或多个处理器执行，其特征在于：配置具有固定焦距和固定姿态的图像采集器，以获取铁路线路或站场的图像数据；构建基于深度学习的停留车检测网络模型，用于压缩并提取所述图像数据的特征，并且对所述特征进行缩放以适应目标移动造成的尺度变化，其中，通过检测头完成对目标的检测；所述基于机器视觉的停留车识别与定位方法构建沿轨道方向距离与目标的纵坐标之间的函数关系式，并基于所述函数关系式确定沿轨道方向距离y的估算值。
2.根据权利要求1所述的基于机器视觉的停留车识别与定位方法，其特征在于，基于深度学习的停留车检测网络模型能够通过所述图像采集器获得铁路线路或站场的图像数据，通过主干网络压缩并提取图像特征，其中的CBAM模块能够调节主干网络中参数以忽略图像中的背景部分，并将模型的检测中心转移到检测目标上，其中的SIoU函数能够提高模型收敛速度，通过颈部网络对所述特征进行进一步压缩或扩展以适应目标在大范围场景内移动造成的尺度变化，通过三个不同大小检测头对相应尺度的目标进行检测。
3.根据权利要求2所述的基于机器视觉的停留车识别与定位方法，其特征在于，所述基于深度学习的停留车检测网络模型能够在所述图像数据中车辆尾部端面周围生成包含车辆种类信息的检测框，并获取所述检测框底部中心在所述图像数据中的像素坐标。
4.根据权利要求1所述的基于机器视觉的停留车识别与定位方法，其特征在于，所述一个或多个处理器能够基于所述像素坐标确定车辆尾部与图像采集器之间沿轨道方向距离y的理论计算值，沿轨道方向距离y的理论计算值能够通过但不限于N次多项式的函数关系式y＝k N x N +k N-1 x N-1 +……+k 2 x 2 +k 1 x+k 0 表示，其中，x为检测框底部中心在所述图像数据中的纵坐标，k N ……k 2 ,k 1 ,k 0 为多项式系数。
5.根据权利要求4所述的基于机器视觉的停留车识别与定位方法，其特征在于，所述多项式系数按照如下方式确定：记录多组在不同位置的车辆尾部端面的检测框底部中心在所述图像数据中的纵坐标x以及所述沿轨道方向距离y的实测值；将坐标(x，y)代入公式y＝k N x N +k N-1 x N-1 +……+k 2 x 2 +k 1 x+k 0 中后，基于最小二乘法进行拟合以获取所述多项式系数，其中，所述实测值能够基于激光测距离或激光雷达或手动测量的方式获取。
6.根据权利要求2所述的基于机器视觉的停留车识别与定位方法，其特征在于，所述图像采集器能够采集不同时间段、不同光照条件下铁路线路或站场的图像数据，所述一个或多个处理器能够按照如下方式对所述图像数据进行处理以形成数据集：对所述图像数据中的货运车辆的类型和检测框进行标注；基于数据增强的方式对所述图像数据进行处理，其中，所述数据增强方式包括但不限于：旋转、平移、翻转、缩放、调节对比度、调节亮度和添加噪声。
7.根据权利要求6所述的基于机器视觉的停留车识别与定位方法，其特征在于，所述数据增强方式还包括：对M张图像数据进行随机裁剪和缩放后混合形成1张图像数据。
8.根据权利要求5所述的基于机器视觉的停留车识别与定位方法，其特征在于，所述图像采集器的数量能够基于站场内纵向股道长度或横向股道数量进行增加或减少，其中，在所述图像采集器的数量为若干个的情况下，所述若干个图像采集器配置为：不同的图像采集器所采集的图像范围彼此不同，其中，相邻的两个图像采集器所采集的图像范围能够具有重叠；单个图像采集器能够对其自身精确定位范围内的用于实现停留车识别和定位的图像数据进行采集，其中，对所述若干个图像采集器各自采集的图像数据进行汇总处理后能够实现全股道范围内停留车的识别和定位。
9.一种基于机器视觉的停留车识别与定位系统，其特征在于，包括：图像采集器，其具有固定焦距和固定姿态，用于获取铁路线路或站场的图像数据；能够构建基于深度学习的停留车检测网络模型，用于压缩并提取所述图像数据的特征，并且对所述特征进行缩放以适应目标移动造成的尺度变化，其中，通过检测头完成对目标的检测；能够构建沿轨道方向距离与目标的纵坐标之间的函数关系式，并基于所述函数关系式确定沿轨道方向距离y的估算值。
10.一种计算机可读存储介质，包括计算机可执行指令，所述计算机可执行指令在由一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1至8中的任一项所述的方法。
