动画是一种非常重要的艺术表现形式,它是将人或事的变化状态按照固定的时间间隔分隔成许多的静态画面,并利用视觉暂留现象通过连续的拍摄而制作成动态画面的一种艺术形式。在现代社会中,动画影响着生活的方方面面,如广告、宣传、娱乐等。但是,动画版权被侵犯的问题也变的越来越普遍,版权侵犯也变成了动画发展的一大阻碍。目前针对3D动画版权的保护还不完善,抄袭动画对3D动画不仅有剧情、人设、音乐等方面的抄袭,还有人物动作的抄袭,并且抄袭的动画在展现形式上还存在着诸如噪声、删减、倾斜等差异。传统的视频相似度算法大都基于图像相似度算法来对视频进行相似度计算,如检测关键帧并计算多个关键帧之间的相似度来判断是否有抄袭行为,并没有利用视频最重要的上下文信息。基于时序特征的视频相似性算法针对画面改动较大的动画的相似度匹配率较差。因为运动特征不受动画中的颜色特征与纹理特征等的影响,为了能够更好的针对此类抄袭动画进行相似度匹配与版权保护,就需要对动画人物的运动特征进行提取并计算相似度。基于此,本学位论文提出了一种基于人物运动特征的版权识别方法。主要包括两个部分:基于神经网络的人物特征提取方法和基于普鲁克分析和弗雷歇距离的特征相似度计算方法。这种方法能够提取出3D动画中重要的人物运动信息,大幅压缩了3D动画中的特征信息量,并且使用普鲁克分析提高了抄袭动画与被抄袭动画之间的特征相似度。首先,提出了一种基于神经网络的动画人物运动特征提取方法。该方法从动画人物形象入手,建立一个动画人物数据集,先使用YOLOV5目标检测算法训练一个针对动画人物的模型,并得出人物数据。然后,利用Deep SORT算法进行追踪,从而得出动画人物运动特征,并将动画人物的运动特征通过计算转换为曲线可视化形式。其次,提出基于普鲁克分析和弗雷歇距离的的动画人物运动特征相似度计算方法。该方法针对神经网络提取人物运动特征后的曲线可视化特征进行相似度计算。首先使用普鲁克分析对提取出的动画人物运动特征进行最大化匹配,之后使用弗雷歇距离对匹配后的特征进行相似度计算,根据相似度就可提供动画是否被侵权的证据。实验结果表明,本文提出的基于神经网络的动画人物运动特征提取方法能够很好地提取出动画中的人物运动特征,基于普鲁克分析与弗雷歇距离的特征匹配方法能够有效地进行动作特征的相似度计算,实验数据表明本方法得出的被抄袭与抄袭动画的之间的相似度基本在80%以上。本文提出的基于普鲁克分析的特征匹配方法也可以提高运动特征的相似度,并且对动画进行亮度、旋转、分辨率等变换后,特征相似度只下降了5%左右,证明了本文方法拥有较强的鲁棒性。本文方法有效地解决了在抄袭动画与被抄袭动画之间背景与人物画面信息差别大的情况下传统算法匹配率低等问题。