数字视频取证在司法取证、媒体报道、电子商务、金融、公安等领域有着尤其重要的作用。虽然国内外的研究团队已经提出了不少的取证方法,但是针对复杂场景视频的取证研究甚少。并且,考虑到复杂场景视频的特有属性,现有的方法远远达不到实际应用的需求。例如,复杂场景视频中往往存在画面运动剧烈、亮度噪声和抖动噪声等情况,而传统视频取证方法对此类视频极易误检测。因此,本文针对复杂场景视频的帧间篡改检测展开深入研究,主要提出以下两种方法:1.提出了融合空间约束和梯度结构信息的视频篡改检测算法。一方面,针对画面运动剧烈的视频,为了避免仅利用相邻帧间相似性进行取证而导致的误检测,引入空间约束准则,获取有利于篡改检测的量化相关性丰富区域。另一方面,针对模糊视频的特征提取问题,改进原有的特征提取和描述方法,在量化相关性丰富区域上提取视频最优相似性特征。实验表明,与现有的算法相比,针对画面运动剧烈的视频,本算法的误检率更低,精确度更高,鲁棒性更强,且能准确定位到视频篡改点的位置,同时能检测到细微的帧删除篡改。2.提出了亮度和抖动自适应性的视频帧间篡改检测方法。一方面,为克服经典光流算法的局限性,引入亮度松弛因子和强度归一化操作,使之适用于动态亮度变化的视频。另一方面,针对大多数传统的视频检测方法对抖动视频会造成误检测的问题,本算法融合运动熵和纹理平滑度来去除视频抖动的干扰,以提高算法健壮性。实验证明,该方法不仅适用于亮度动态变化的视频,还适用于抖动视频和大运动幅度的视频。与传统视频伪造检测方法相比,本算法对复杂场景视频的检测效率得到了显著提高。