随着数字多媒体技术的发展,各种视频处理工具日渐普及。借助于这些视频处理工具,人们可以很方便地对视频进行编辑或对视频内容进行篡改,如果这种被篡改的视频被非法使用,其后果甚至会影响社会稳定。因此,如何对数字视频进行真实性和完整性的鉴定,已经成为当前多媒体信息安全领域中极为重要的研究课题之一。与数字图像相比,数字视频数据的海量、高维、非线性等特点给视频篡改取证技术研究带来更大的挑战。尽管国内外已有不少学者开展了相关研究,并提出了多种不同的检测算法,但这些算法普遍存在着算法检测准确率低、复杂度高、局限性强等问题。基于上述研究现状,本文从视频帧内区域复制粘贴和视频前景删除这两种常见的视频篡改方式入手,研究并提出了新的视频篡改被动取证方法,并通过实验手段进行验证和比较,以求得到更好的研究成果。本文的研究内容和学术贡献主要体现在以下三个方面:1、提出一种基于 MI-SIFT（Mirror and Inversion Invariant Generalization for SIFT Descriptor）特征的视频区域复制粘贴篡改的被动取证算法。该算法通过引入MI-SIFT特征并对其进行改进,实现了对视频中经过镜像变换的篡改区域的检测;同时,该算法将目标跟踪技术应用于篡改区域的定位,避免了对特征进行逐帧提取和匹配的繁琐计算,有效提高了算法的检测效率。实验结果表明,该算法在检测准确率和时间效率上明显高于其它同类型算法,并可实现对视频中经过镜像变换的篡改区域的有效检测。2、提出一种基于指数矩（Exponential-Fourier Moments,简称EFMs）的视频区域复制粘贴篡改的被动取证算法。首先,该算法对指数矩特征的提取方法进行改进,并提出了一种快速块匹配算法,两者相结合进一步提高算法的效率;其次,在篡改位置的跟踪上,通过对已有的快速压缩跟踪算法（Fast Compressive Tracking Algorithm,简称FCT）进行改进,提出了基于自适应参数的快速压缩跟踪算法（Adaptive Parameter-based Fast Compressive Tracking Algorithm,简称AFCT）,进一步提高了跟踪的精确度和鲁棒性。实验结果表明,该算法不仅能有效地对篡改区域经过镜像变换的视频进行检测,还可实现对多处区域复制粘贴篡改和移动目标的复制粘贴篡改的有效检测,而且在检测时间、检测准确率以及鲁棒性上均明显优于其它同类型算法。3、提出一种基于能量因子（Energy Factor,简称EF）的视频前景删除篡改被动取证算法。该算法针对视频前景删除篡改的特点,首先提出能量因子（EF）的计算方法,通过构造待测视频的EF曲线,在视频时间域上准确检测被篡改视频序列的起止位置;其次,提出了基于自适应参数的视觉背景提取算法（Adaptive Parameter-based Visual Background Extractor,简称 AVIBE）,并将其与 EF 相结合,用以提取篡改序列中每帧的篡改痕迹;最后,将时域和空域检测结果相结合,得到最终检测结果。实验结果表明,该算法拥有较强的鲁棒性,能有效抵抗视频中树叶、草木、水波等扰动,并在检测时间效率和检测准确率上优于其它同类型算法。综上所述,本文针对视频区域复制粘贴篡改方式所提出的基于MI-SIFT特征的被动取证算法不仅检测率和时间效率高,而且可实现对经过镜像变换的篡改区域的有效检测;进一步提出的基于EFMs的被动取证算法不仅在检测时间、检测率以及鲁棒性方面得到进一步改进,而且进一步拓展了其在多处复制粘贴、移动目标复制粘贴等多种篡改方面的适用性;针对视频前景删除篡改方式所提出的基于EF的被动取证算法具有检测速度快、准确高、鲁棒性强的特点。因此,本文研究成果具有较大的理论意义和实际应用价值。