当今的数字化信息时代,随着先进的多媒体处理软件的普及,对数字信息的操作修改从早期的专业人士的专项技能延伸到普通爱好者的个人行为。近几年来,一些针对数字图像的恶意篡改和伪造,已开始触及到人们道德和法律的底线。随着各种视频分享网站的兴起,各类个人视频开始借助互联网迅速传播,而针对这些节目的播出环节目前尚无有效的监管措施。因此如何有效验证包括数字视频在内的数字媒体资源的真实性,已成为维护信息产业健康持续发展所必须解决的关键问题之一。数字被动取证技术中的数字视频来源取证技术正是在这样的背景下迅速发展起来,并会成为将来研究的重点内容。在目前的数字被动取证技术研究领域中,基于数字图像的被动取证技术处于主流位置,数字视频被动取证技术因其自身技术体系的复杂性,发展远滞后于数字图像被动取证技术。因此,选择能够代表不同视频来源的特征,以及选择合适的视频来源识别系统成为该方面的研究重点。本文将主要基于运动矢量这一特征对视频来源进行分析从而提出一种新的视频来源系统识别算法。本文对TM5,Premiere Pro中的默认MPEG-2编码器,Cinema Craft Encoder(CCE),佳能(FS10E)和JVC(GZ-MG730AC)五种编码器提取了运动宏块的能量阈值、搜索窗口的大小、标准运动矢量差和失真匹配因子多个特征量。在分类器构造方面,本文选用一种K-近邻(k-nearest neighbor,K-NN)分类器,建立起一个完整的视频系统识别方案。本文利用这个识别系统对分别来自这五种编码器的400组视频样本序列进行训练和识别,最终获得识别结果。实验表明,对JVC和佳能两种硬件编码器可以达到98%以上的查准率和查全率,对于Premiere的查准率和查全率也可以达到93%以上。但由于TM5和CCE自身编码器特点,对TM5查准率和查全率仅能达到86%,对于CCE查准率可达100%而查全率仅能达到50%。实验证明这种算法能够有效地识别来自这五种视频编码系统的视频码流。