随着互联网技术和数码设备的日益发展，数字视频已经广泛地融入到人们的生活中，并逐渐成为了法庭认证的一个重要证据来源。然而，随着各种视频编辑软件功能越来越完善，很多视频被篡改并流传于网络，导致视频信息不再可靠。如果被篡改的视频作为法庭供证，很难保证视频的完整性和真实性，法院将很难做出公正公平的判决。如何准确地判断一个给定视频是否被篡改，已经成为信息安全领域一个重要课题。本文对视频帧间篡改被动检测研究课题进行了分析和总结，并在此基础上提出了两种视频帧间篡改被动检测算法：一种是基于视频镜头边界检测的帧插入篡改被动检测算法，另外一种是基于光流一致性认证的视频帧间篡改检测算法。基于视频镜头边界检测的视频帧插入篡改被动检测算法：视频镜头边界检测是视频内容分析领域的基础算法，它通过提取视频内容来检测视频中的切变边界和渐变边界，从而将视频分解为独立的镜头。视频镜头边界检测算法的核心思想是检测视频内容的不连续性，通过内容上的断点来判断镜头边界。本文首先提出了基于自适应双重检测模型的视频镜头边界检测算法，该算法分为初检和复检两个阶段，初检利用非均匀分块颜色直方图不连续度和非均匀分块像素值不连续度作为主要描述子，结合基于自适应二分查找算法和滑动窗口的阈值机制来提高算法的查全率，然后对初检结果中可能存在的镜头边界再利用SIFT算法进行复检来排除初见中的误检。大量视频测试结果显示该算法对多种不同类型的视频能同时有效提高切变和渐变镜头边界检测的效果，对于渐变镜头检测的改善尤为明显。本文在视频镜头边界检测的基础上，将该算法应用于视频帧插入篡改检测，通过对大量帧插入篡改后的视频进行测试，该算法对于静态摄像头拍摄的视频中的帧插入篡改检测具有很好的效果。基于视频镜头边界检测的帧插入算法相对比较简单，但是该算法只能检测出帧插入类型的篡改。基于光流一致性的视频帧间篡改被动检测算法：同一个静态摄像头拍摄的视频在时间上和空间上光流特征是一致的，而视频帧插入、帧删除、帧复制会破坏这种光流的一致性，通过检测视频帧间光流一致与否，就能够判断一个视频是否被篡改。同时，视频帧插入、帧复制和帧删除类型的篡改对视频光流的影响也不一样，因此通过分析光流特征，就可以判断具体的篡改类型，定位篡改点。为了验证本文提出的算法的效果，利用三种不同的视频库中的视频，进行人工篡改，使得篡改后的视频在视觉上没有明显的篡改痕迹。然后利用本文的算法对三种篡改后的视频进行检测，测试结果显示该算法对于静态摄像头拍摄的视频中的帧插入、帧删除、帧复制篡改都具有很好的检测效果。