1.基于特征提取的轨道交通限界内异物侵限检测方法，其特征在于，包括：S1、获取轨道交通目标限界内的原始图像信息，并对原始图像信息进行预处理；S2、对预处理后的图像信息进行特征提取，得到多层级图像特征集合；S3、对多层级图像特征集合进行特征解缠处理，以分离出类别辨识度特征和干扰特征，并剔除干扰特征；S4、对类别辨识度特征进行特征提纯，得到净化特征；具体包括：将类别辨识度特征输入到特征提纯模块，特征提纯模块包括分类子模块和重建子模块；采用第一预设函数训练分类子模块，基于训练后的分类子模块提取类别辨识度特征的关键判别特征；采用第二预设函数训练重建子模块，基于训练后的重建子模块剔除类别辨识度特征中的冗余信息；结合第一预设函数和第二预设函数，对分类子模块和重建子模块进行协同更新，确定最终分类子模块和最终重建子模块；根据最终分类子模块和最终重建子模块确定出最终特征提纯模块；将类别辨识度特征输入到最终特征提纯模块，得到保留关键判别特征并剔除冗余信息的净化特征；S5、基于所述净化特征对轨道交通目标限界内的异物侵限进行检测；具体包括：将所述净化特征输入至最终分类子模块中，获得目标限界内图像属于正常状态的预测置信度评分；判断所述预测置信度评分是否小于预设阈值；若是，则判定所述目标限界内存在异物侵限，且所述异物为分布外未知异物。
2.根据权利要求1所述的基于特征提取的轨道交通限界内异物侵限检测方法，其特征在于，所述S3中，对多层级图像特征集合进行特征解缠处理，包括：对多层级图像特征集合进行归一化处理；对归一化处理后的多层级图像特征集合进行分解，得到幅度分量和相位分量；通过保留相位分量并抑制幅度分量，分离出类别辨识度特征和干扰特征，并剔除干扰特征。
3.根据权利要求2所述的基于特征提取的轨道交通限界内异物侵限检测方法，其特征在于，对归一化处理后的多层级图像特征集合进行分解，得到幅度分量和相位分量，包括：对归一化处理后的多层级图像特征集合进行离散傅立叶变换，分解得到幅度分量和相位分量。
4.根据权利要求2所述的基于特征提取的轨道交通限界内异物侵限检测方法，其特征在于，对多层级图像特征集合进行归一化处理，包括：针对多层级图像特征集合中每一组多层级图像特征，进行批归一化与实例归一化处理；将批归一化处理后的结果与实例归一化处理后的结果进行可学习加权融合，得到归一化处理后的多层级图像特征集合。
5.根据权利要求1所述的基于特征提取的轨道交通限界内异物侵限检测方法，其特征在于，所述S2中，对预处理后的图像信息进行特征提取，得到多层级图像特征集合，包括：采用卷积神经网络对预处理后的图像信息进行特征提取，得到多层级图像特征集合。
6.根据权利要求1所述的基于特征提取的轨道交通限界内异物侵限检测方法，其特征在于，所述S4中，采用第一预设函数训练分类子模块，包括：基于第一预设函数获取类别辨识度特征中与类别判别相关的核心信息；基于核心信息提取关键判别特征，关键判别特征包括预测类别概率分布；对原始图像信息进行标注，将标注的信息作为标签数据，根据预测类别概率分布与标签数据，训练分类子模型。
7.根据权利要求6所述的基于特征提取的轨道交通限界内异物侵限检测方法，其特征在于，所述第一预设函数为交叉熵损失函数，根据预测类别概率分布与标签数据，训练分类子模型，包括：将预测类别概率分布与标签数据输入到交叉熵损失函数中，计算得到分类损失值；根据分类损失值调节分类子模型参数。
8.根据权利要求7所述的基于特征提取的轨道交通限界内异物侵限检测方法，其特征在于，所述S4中，结合第一预设函数和第二预设函数，对分类子模块和重建子模块进行协同更新，包括：基于第二预设函数对类别辨识度特征进行重建，输出与类别辨识度特征对应的重建图像；将重建图像与预处理后的图像信息，输入到第二预设函数中，计算重建损失值；根据重建损失值推导出对抗损失值；将对抗损失值与分类损失值结合，构建总损失函数；基于总损失函数，协同更新分类子模块和重建子模块。
9.根据权利要求8所述基于特征提取的轨道交通限界内异物侵限检测方法，其特征在于，第二预设函数包括均方误差函数或L1损失函数。
10.基于特征提取的轨道交通限界内异物侵限检测系统，其特征在于，所述系统用于执行权利要求1-9任一项所述的基于特征提取的轨道交通限界内异物侵限检测方法，所述系统包括：信息获取模块，用于获取轨道交通目标限界的图像信息，并对所述图像信息进行预处理；特征提取模块，用于对预处理后的图像信息进行特征提取，得到多层级图像特征集合；特征解缠模块，用于对多层级图像特征集合进行特征解缠处理，以分离出类别辨识度特征和干扰特征，并剔除干扰特征；特征提纯模块，用于对类别辨识度特征进行特征提纯，得到净化特征；具体包括：将类别辨识度特征输入到特征提纯模块，特征提纯模块包括分类子模块和重建子模块；采用第一预设函数训练分类子模块，基于训练后的分类子模块提取类别辨识度特征的关键判别特征；采用第二预设函数训练重建子模块，基于训练后的重建子模块剔除类别辨识度特征中的冗余信息；结合第一预设函数和第二预设函数，对分类子模块和重建子模块进行协同更新，确定最终分类子模块和最终重建子模块；根据最终分类子模块和最终重建子模块确定出最终特征提纯模块；将类别辨识度特征输入到最终特征提纯模块，得到保留关键判别特征并剔除冗余信息的净化特征；检测模块，用于基于所述净化特征对轨道交通目标限界内的异物侵限进行检测；具体包括：将所述净化特征输入至最终分类子模块中，获得目标限界内图像属于正常状态的预测置信度评分；判断所述预测置信度评分是否小于预设阈值；若是，则判定所述目标限界内存在异物侵限，且所述异物为分布外未知异物。
