以数字图像/视频为代表的数字媒体丰富了我们的日常生活和工作。然而，由于各种多媒体编辑工具的出现，使得它们很容易被恶意修改和伪造。目前，互联网充斥着真伪难辨的数字媒体，正在颠覆人们“眼见为实”的传统观念。在此背景下，迫切需要发展有效的数字媒体取证技术，以鉴别其真实性和完整性，维护公共信任秩序。数字视频被动取证是数字媒体取证的一个重要分支和前沿研究课题。它在没有数字水印和数字签名的情况下，依据视频文件本身的统计特性对其真实性做出鉴定。本文在深入研究帧操作和视频缩放操作这两种篡改手段的基础上，分别挖掘篡改前后视频统计特征的变化来研究视频被动取证。论文的主要工作如下：首先，针对帧操作的视频篡改，提出了一种利用P帧的MCEA(Motion Compensated Edge Artifact)的被动取证新方法。它的依据是：帧操作后视频通常会遭受双重MPEG压缩，且相邻P帧MCEA的差值序列在傅里叶变换域频谱图存在明显的尖峰。仿真实验结果表明，本方法对于帧删除和改变GOP格式的视频篡改，能进行有效的检测，并能推测出原始的GOP结构。该方法对于视频剪辑的篡改取证具有较好的参考价值。其次，针对基于内容感知的视频缩放技术(Content-aware VideoRetargeting)，提出了一种利用联合特征分类的视频被动取证方法。基于内容感知的视频缩放技术(Content-aware Video Retargeting)是现有的视频缩放操作的研究热点，它也可以用于恶意的视频篡改，改变原始视频传递的内容。该方法提取出像素域的纹理特征、DCT域的Markov特征和时域相似度特征作为支持向量机(SVM)的特征向量输入。实验结果表明，在不需要任何先验知识的情况下，该算法可以有效的判定视频序列是否有经历过基于内容感知的视频缩放操作。本文针对帧操作和视频基于内容感知的视频缩放两种手段，分别研究了它们的被动取证。总体而言，目前的数字视频被动取证技术仍处于初步的探索阶段，预计未来仍然是视频信息安全领域的研究前沿。