隐写技术在保障军事、情报领域信息通信安全发挥着重要作用。但隐写技术发展的同时也会构成对国家安全的威胁,恐怖分子和非法组织利用这一技术策划非法活动,严重威胁了社会的稳定和国家的安全。因此,对隐写分析技术的研究具有重要意义。隐写分析技术可分为基于图像的隐写分析、基于音频的隐写分析和基于视频的隐写分析三种。因为视频作为隐写载体相较于图像和音频更具有优势,所以目前针对视频的隐写分析技术引起广泛的关注。而基于运动矢量的隐写分析方法是视频隐写分析的研究的热点之一,如何提高隐写分析的检测正确率是视频隐写分析技术研究的一个重要方向。本文通过提取更加有效的特征和使用性能更好的分类器的做法来提高检测正确率。主要研究工作和创新内容为:一、提出一种基于编码代价值变化的视频运动矢量隐写分析方法。利用重编码亚像素编码代价可以很好地和重编码之前的编码代价保持一致。通过统计视频重编码前后的运动矢量对应的亚像素编码代价的变化,形成11维的MVCCC(Motion Vector Coding Cost Change)特征。实验结果表明,该特征比典型的IMVRB特征、AoSO特征检测准确率最大高出10%左右。二、提出一种基于编码代价局部最优概率变化的视频运动矢量隐写分析方法。在SPOM特征的基础上增加了编码代价局部最优概率的变化,并且扩展了范围,形成12维的SPCCOM(Subtractive Probability of Coding cost Optimal Matching)特征。实验结果表明,该特征比典型的SPOM特征检测准确率最大高出12%左右。