近年来,多媒体技术发展日新月异,人们如今可以通过各种渠道观看数字视频。同时,不法分子可利用数字视频编辑软件实现视频篡改,引发社会舆论,甚至是制造伪证,使得视频取证技术越发受到学者的关注。由于篡改视频势必经历二次压缩,因此视频二次压缩检测技术的研究对视频取证而言意义重大。本文主要研究GOP（Group of Pictures）结构非对齐的H.264视频二次压缩检测,从H.264视频的预测残差分布入手,提出了两种针对H.264视频的二次压缩检测算法。本文主要创新工作如下:1.提出了基于预测残差分布特征的H.264视频二次压缩检测算法。该算法首先将视频每一帧内的残差转变为PRED（Prediction Residual Distribution）特征,并使用Jenson-Shannon散度表征相邻帧之间PRED特征的差异,通过降噪之后,利用时域分析的方法,考察最终所获得特征序列的周期特性,以此判断给定视频是否遭受二次压缩,对于可能遭受二次压缩的视频,可进一步估计其首次压缩GOP长度。实验表明,该算法在各种不同实验场景下均可以有效检测H.264视频是否存在二次压缩,算法的鲁棒性较高。其GOP估计准确率也较为准确。2.提出了基于融合特征的H.264视频二次压缩检测算法。该算法将PRED特征与VPF（Variation of Prediction Footprint）特征加以融合,生成训练模型。并利用帧级别预测的思想,通过SVM（Support Vector Machines）分类器,对视频内的P帧进行分类,得到视频的预测概率序列。通过对该序列进行分析判断视频是否遭受二次压缩,该算法同样可以对二次压缩视频的首次压缩GOP长度进行估计。实验数据表明,该算法较之于基于预测残差分布特征的H.264视频二次压缩检测算法,性能得到了一定的提升。