随着便携式采集设备的普及,数字视频丰富着我们的日常生活。功能强大的视频编辑工具比以往更容易制造虚假视频,而不留下任何可感知痕迹。这就打破我们传统的“所见即所得”观念,给公众自信心带来严重的危机。因此,验证视频真实性和完整性的视频取证技术应运而生,顺应时代要求。尤其是,被动取证技术仅凭借视频编辑操作遗留的痕迹,不依靠任何先验辅助信息,例如水印或信号,成为信息安全领域一个重要研究领域。在各种视频编辑操作中,运动补偿帧插值技术(MCFI)是一种特殊的基于帧的视频操作。它最初广泛应用在电视和电影的制作,通过周期性的在两个连续视频帧间插入新的视频帧,增加低帧率视频的运动连续性以改善视觉效果。然而,它也可以恶意用于伪造虚假帧率视频或拼接不同帧率的视频。因此,本文以MCFI伪造的虚假视频为研究对象,围绕该操作遗留的痕迹/线索展开了较为深入的研究。本文的主要创新工作包括以下五个方面。第一,提出了基于MCFI的取证模型——残差模型。通过分析现有的MCFI方法和它们的工作原理,以插值帧与原始帧间的差异为出发点,推导出残差模型。随后,定量和定性的分析该模型,为全文取证算法的设计提供理论基础。第二,根据残差模型推导出,采用不同的运动估计(ME)算法和运动补偿插值(MCI)策略的各种MCFI技术引入不同的残差。首次利用残差作为取证痕迹识别虚假帧率视频所采用的MCFI技术。本文提出空时Markov统计特征,捕捉残差的差异识别各种MCFI技术。因为静态插值帧和原始帧具有少量或没有残差,本文设计一个由场景变化检测、静态场景检测和多循环检测组成的预分类器,改善识别精度。实验结果表明提出的算法能识别未压缩和高质量压缩的虚假帧率视频采用的MCFI技术。第三,提出了一种基于光流不规则变化的MCFI取证算法。现有的定位方法都是从像素域考虑,以插值帧的运动和纹理丰富区域存在像素值的变化为出发点。然而,这些区域像素值的变化也会造成局部运动矢量场发生细微变化。因此,本文在光流场计算局部二值模式的连续帧差带权直方图,捕捉像素域和运动矢量场的细微变化。实验表明提出的方法具有较高的插值帧定位和识别精度。第四,提出了一种在MCFI技术未知情况下的基于运动补偿帧差的取证算法。由残差模型推导出,不管采用哪种MCFI技术,插值帧的运动和纹理丰富区域存在像素值的变化,这就导致这些区域的内部统计都会发生不同程度的破坏。采用运动补偿帧差能消除非运动区域和运动区域内部的干扰,凸显连续三帧的相关块。从运动补偿帧差提取的统计特征,能使一类分类器更好的区分插值帧和原始帧。实验结果表明在MCFI方法和视频源对于取证分析者不可知的情况下,提出的方法也能有较好的检测结果。第五,提出了一种基于效应指示图和Tchebichef矩的鲁棒性定位检测算法。通过理论分析和实验验证,插值帧中的效应区域与高残差能量具有密切关系,效应指示图首次被提出选择具有高残差能量的目标区域。同时,在插值帧中,由效应指示图指示的效应区域引起形状变化程度与相邻参考帧存在明显差异,一个基于高阶Tchebichef矩的滑动窗口策略被提出,沿着时间方向识别插值帧。为了改进检测精度,帧插值周期被利用排除由于模糊或异常噪声引起的异常帧。实验结果表明提出的算法对有损压缩、模糊和噪声具有较高的鲁棒性。