随着互联网技术的发展,视频已成为当今社会信息传递的主要载体。视频在给人们生活带来便利的同时,也会成为不法分子用来犯罪的手段,例如盗版、散播谣言等。且随着AI(Artificial Intelligence)技术的发展,视频篡改技术日新月异,但相应的视频取证技术还在不断地发展当中。为了保证视频信息的真实有效性,避免事实真相被恶意地扭曲,研究视频的被动取证技术具有重要的现实意义。本文聚焦于数字视频来源被动取证问题,设计并编程实现了数字视频来源被动取证的改进算法。根据视频拍摄过程中,是否应用稳像技术,将视频分为稳像视频和非稳像视频,本文对这两类视频的来源被动取证技术分别进行了研究,主要工作有如下几个方面:(1)针对非稳像视频源,改进了基于PRNU(Photo Response Non-Uniformity)噪声的视频来源被动取证算法。首先,为了获得较为理想的PRNU噪声,根据H.264编码原理,提取视频中的I类型帧;其次,针对噪声帧中视频内容信息残留问题,将噪声帧的幅度谱归一化。最后,为降低PRNU噪声的冗余性,将PRNU噪声进行降采样,得到DPRNU(Down sampled Photo Response Non-Uniformity)噪声。实验结果表明:与原算法相比,DPRNU噪声不仅可以有效提升识别准确率,而且匹配速度快。(2)针对稳像视频源,为了提高在电子稳像视频中估算PRNU噪声的效率,改进了PRNU噪声的提取流程,从频域构造HPRNU(Hybrid Photo Response Non-Uniformity)噪声作为相机指纹。首先,分析了电子稳像技术,构造相关的几何变换数学模型。其次,为了解决旋转变换的影响,设计旋转指数?识别遭受旋转操作的视频帧,在估算HPRNU噪声时将其去除。最后,为了解决位移和尺度变换的影响,利用离散傅里叶变换,将视频第一帧图片噪声的相位谱和其余噪声帧的平均归一化幅度谱结合,构成HPRNU噪声作为视频拍摄设备的指纹。实验结果表明:基于HPRNU噪声的视频来源被动取证算法的识别准确率与目前相关的最优算法相当,但计算复杂度大大降低。(3)同时,分析对比了3种不同滤波算法对提取DPRNU噪声的影响,实验结果表明:基于小波变换的维纳滤波器是提取DPRNU噪声的最佳选择。实验结果表明:本文研究的数字视频来源被动取证的改进算法具有一定的工程应用价值。