视频作为一种信息载体,已被广泛应用于新闻报道、商业宣传等方面。如果这些视频被恶意篡改,无疑会对政治和社会各方面产生恶劣影响。为应对实际需要,越来越多的学者进入数字多媒体取证领域,随着研究的深入,不依赖外部描述信息或植入信息来判断视频是否被篡改,是什么方式的篡改,并且定位视频被篡改内容的位置,甚至还原源视频内容,成为数字多媒体取证技术的新目标。现有取证技术主要基于视频编辑和拍摄过程中留下的痕迹,学者们探索并利用这些痕迹的某种规律来进行数字多媒体取证研究。已有成果能实现的功能包括提取视频编辑和篡改的证据、查明媒体文件的起源以及追踪数字多媒体内容处理过程等许多方面。但是它们存在特征维数过高、计算复杂、实际应用局限性较大等问题。本文针对时间域上的帧删除篡改和帧复制粘贴篡改做了两方面的工作：(1)篡改者采用帧删除篡改方式来移除视频中某段内容,如犯罪现场、犯罪证据等。针对这种篡改,本文提出一种基于相似度分析的算法,来实现篡改检测并定位。为便于传输与存储,几乎所有视频都会经过压缩处理,而且大都采用有损压缩算法。有损压缩造成数据丢失,从而导致两帧相似度随距离增加而降低,因此删帧操作后篡改位置前后两帧间相似度值很低,算法利用这一特点实现篡改检测及定位。该算法针对静止摄像机拍摄的视频(如监控视频)进行帧删除篡改检测,检测效率高、误检率低,并且不受GOP(group of pictures)结构、再压缩、格式转换等因素的影响。(2)帧复制粘贴是一种常见的时域篡改方式,针对这种篡改,已经有不少方案被提出,但是它们有两个缺点：一采用固定的阈值；二时间复杂度很高。大部分被篡改视频会经过再压缩处理,由于视频压缩基本是有损压缩,可能会导致固定阂值失去应有作用。因此,本文提出一种基于动态阈值的被动取证算法,来增强算法的鲁棒性,并且通过引入字典排序算法来缩小帧匹配时的搜索范围,成功降低了时间复杂度。文章采用精确度、召回率和平均每帧计算时间来对提出算法的性能进行评估,结果表明本算法在这三方面都优于同类算法,而且具有更好的鲁棒性。