1 西京学院 西安市先进光电子材料与能源转换器件重点实验室，陕西 西安 710123
2 西北工业大学 光电与智能研究院，陕西 西安 710072
3 军事科学院 系统工程研究院，北京 100039
在计算机视觉应用中，基于孪生网络的跟踪算法相比于传统的目标跟踪算法在速度和精度上都有所提升，但是其受到遮挡、形变等干扰因素影响较大。基于此，本文对现有基于孪生网络的目标跟踪方法和技术所作的改进进行了总结分析，主要包括在孪生网络中引入全卷积孪生神经网络方法、引入回归方法和在线更新方法，对基于3种方法的目标跟踪算法的改进进行了综述，并详细介绍了近年来孪生网络在目标跟踪应用中的国内外研究进展和发展现状。同时，采用 VOT2017和LaSOT数据集进行了实验对比，比较了多种基于孪生神经网络跟踪算法的性能。最后，对基于孪生网络的目标跟踪方法的发展趋势进行了展望。
计算机视觉 目标跟踪 孪生网络 深度学习 computer vision target tracking Siamese networks deep learning
1 中国国防科技信息中心， 北京 100142
2 军械工程学院， 石家庄 050003
为适应未来高技术战争，需要对现有装备维修保障流程重新进行设计。针对此流程设计的重要工作——需求分析，建立了一种基于质量功能展开(QFD)和发明问题解决理论(TRIZ)的需求分析模型，提供了从作战任务需求到装备维修流程设计要求的需求变换方法，为后续的装备维修流程设计工作奠定了基础。
装备维修 质量功能展开 发明问题解决理论 equipment maintenance Quality Function Deployment(QFD) Theory of Inventive Problem Solving(TRIZ)
