1.一种用于轨道交通运维场景的视觉异常检测方法，其特征在于，所述方法包括以下步骤：S1：采集轨道交通运维图像数据，对图像数据进行预处理；S2：将预处理的图像数据选择性传输至目标检测器进行主体目标检测；S3：将预处理的图像数据或目标检测器输出的主体目标传输至异常检测器的特征提取聚合单元，获得聚合特征；S4：将聚合特征传输至异常检测器的特征分布拟合单元，基于特征呼吸机制得到压缩特征，建立基于压缩特征与聚合特征的损失函数执行模型训练；S5：在模型训练后，基于多尺度特征与压缩特征，生成输入图像数据的异常分割图，根据异常分割图，确定输入图像数据的异常分数；S6：根据所述异常分数，执行轨道交通运维异常报警。
2.如权利要求1所述的用于轨道交通运维场景的视觉异常检测方法，其特征在于，步骤S1中，采集轨道交通运维图像数据，具体包括：针对无人机线路巡检任务，使用无线图传系统进行数据采集；和/或，针对列车部件缺陷检测任务，使用TEDS系统的图像采集子系统进行数据采集。
3.如权利要求1所述的用于轨道交通运维场景的视觉异常检测方法，其特征在于，步骤S1中，对图像数据进行预处理，具体包括：采用图像拼接、图像裁剪、图像去噪或直方图均衡中的一种或多种方式进行图像预处理。
4.如权利要求1所述的用于轨道交通运维场景的视觉异常检测方法，其特征在于，步骤S2：将预处理的图像数据选择性传输至目标检测器进行主体目标检测，具体包括：S21：判断图像数据中的检测对象为图像级异常还是目标级异常；S22：当检测对象为图像级异常时，将预处理后的图像数据直接传输至构建的异常检测器，利用异常检测器针对图像数据输出的异常检测结果；S23：当检测对象为目标级异常时，利用目标检测器检测出图像数据中的主体目标，将主体目标传输至异常检测器，获取异常检测器针对主体目标输出的异常检测结果。
5.如权利要求1所述的用于轨道交通运维场景的视觉异常检测方法，其特征在于，步骤S3：将预处理的图像数据或目标检测器输出的主体目标传输至异常检测器的特征提取聚合单元，获得聚合特征，具体包括：S31：将预处理的图像数据或目标检测器输出的主体目标传输至异常检测器的特征提取聚合单元，由基于CNN或Transformer的预训练主干网络作为特征提取器，从输入的预处理后的图像中提取出多尺度特征；S32：将多尺度特征通过尺寸调整及特征拼接后得到聚合特征；其中，通过尺寸调整及特征拼接后得到聚合特征的表达式，具体为： ；式中， 表示聚合特征，Resize表示特征尺寸调整操作，Concat表示特征拼接操作， 表示第i个阶段的特征，m表示阶段总数。
6.如权利要求5所述的用于轨道交通运维场景的视觉异常检测方法，其特征在于，步骤S4：将聚合特征传输至异常检测器的特征分布拟合单元，基于特征呼吸机制得到压缩特征，建立基于压缩特征与聚合特征的损失函数执行模型训练，具体包括：S41：将聚合特征传输至异常检测器的特征分布拟合单元，通过线性层对叠加了特征扰动 的聚合特征 进行通道膨胀；其中，进行通道膨胀的表达式，具体为： ；S42：对通道膨胀后的聚合特征 由基于Transformer架构的编解码器进行重构，获得重构后的特征 ；S43：通过线性层将重构后的特征 的通道压缩至原通道数；其中，进行通道压缩的表达式，具体为： ；S44：建立基于压缩特征与聚合特征的损失函数执行模型训练；其中，所述损失函数的表达式，具体为： ；式中，L表示损失函数，MSE表示均方误差。
7.如权利要求6所述的用于轨道交通运维场景的视觉异常检测方法，其特征在于，步骤S42中，基于Transformer架构的编解码器，被配置为采用由4层编码器层和6层解码器层构成的非对称式的编解码器结构；所述解码器层，具体包括：邻接掩码自注意力层，被配置为：以前解码器层输出作为输入表示V值向量，以前解码器层输出和查询嵌入共同作为输入表示K值向量，以前解码器层输出和查询嵌入共同作为输入表示Q查询向量；邻接掩码互注意力层，被配置为：以编码器输出作为输入表示V值向量，以编码器输出和位置嵌入共同作为输入表示K值向量，以邻接掩码自注意力层输出和查询嵌入共同作为输入表示Q查询向量。
8.如权利要求1所述的用于轨道交通运维场景的视觉异常检测方法，其特征在于，步骤S5：在模型训练后，基于多尺度特征与压缩特征，生成输入图像数据的异常分割图，根据异常分割图，确定输入图像数据的异常分数，具体包括：S51：在模型训练后，根据检测目标的特性选择不同的特征层参与计算，根据异常类型丰富程度选择距离度量方式和调节参数；S52：基于选择的特征层、距离度量方式和调节参数，针对多尺度特征与压缩特征，生成输入图像数据的异常分割图，表达式具体为： ；式中，L2为L2距离，CS表示余弦相似度，λ表示调节参数；S53：取异常分割图中数值最大的K个点位计算均值，得到输入图像数据的异常分数。
9.如权利要求8所述的用于轨道交通运维场景的视觉异常检测方法，其特征在于，步骤S6，根据所述异常分数，执行轨道交通运维异常报警，具体包括：判断所述异常分数是否超过预设分数阈值，若是，执行轨道交通运维异常报警，若否，执行数据存档。
10.一种用于轨道交通运维场景的视觉异常检测系统，其特征在于，所述系统包括：数据采集与预处理模块，用于采集轨道交通运维图像数据，对图像数据进行预处理；图像数据传输模块，用于将预处理的图像数据选择性传输至目标检测器进行主体目标检测；特征提取聚合模块，用于将预处理的图像数据或目标检测器输出的主体目标传输至异常检测器的特征提取聚合单元，获得聚合特征；特征分布拟合模块，用于将聚合特征传输至异常检测器的特征分布拟合单元，基于特征呼吸机制得到压缩特征，建立基于压缩特征与聚合特征的损失函数执行模型训练；异常分数计算模块，用于在模型训练后，基于多尺度特征与压缩特征，生成输入图像数据的异常分割图，根据异常分割图，确定输入图像数据的异常分数；异常报警模块，根据所述异常分数，执行轨道交通运维异常报警。
