1.一种基于图网络时序一致性的伪造视频检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于图网络时序一致性的伪造视频检测方法，其特征在于:所述步骤s1中，将输入的深度伪造视频进行逐帧分解并抽取帧，得到抽取后的视频帧，具体如下：将输入深度伪造视频分解为单帧图像，按照视频总帧数，均匀抽取100帧图像；对于不足100帧的视频，抽取视频的全部帧。
3.根据权利要求1所述的基于图网络时序一致性的伪造视频检测方法，其特征在于:所述步骤s3中，提取图片中的眼神漂移、面部表情、嘴唇同步等人脸关键点特征，它将人脸关键点分为内部关键点和轮廓关键点，内部关键点包含眉毛、眼睛、鼻子、嘴巴共计51个关键点，轮廓关键点包含17个关键点；其中，51个关键点如下：
4.根据权利要求1所述的基于图网络时序一致性的伪造视频检测方法，其特征在于:所述步骤s4中，计算每个视频帧之间的相似度，具体的计算公式如下：
5.根据权利要求1所述的基于图网络时序一致性的伪造视频检测方法，其特征在于:所述步骤s5中，根据相似度组建k邻近(knn)图，具体如下；首先将每帧图像转化为对应的节点，节点之间通过节点之间的相似度进行连接；对每个节点，取k＝6个最近邻的节点和其相连，其中每个节点之间边的权重为两个节点之间的关键点相似度。
6.根据权利要求1所述的基于图网络时序一致性的伪造视频检测方法，其特征在于:所述步骤s6中，将knn图转化为线图的步骤如下；首先，将knn图中的边(vi,vj)被转化为线图中的节点且如果knn图中的两条边有公共节点，则对应线图中的两个节点相互连接；将视频的knn图转化为线图后，线图上的节点的特征为对应knn图中边携带的多特征相似度sij。
7.根据权利要求1所述的基于图网络时序一致性的伪造视频检测方法，其特征在于:所述步骤s7中，构造一个带池化的图卷积神经网络(graph convolutional network，gcn)，对视频的线图进行全局特征提取，获得图表示；具体而言，首先定义line图上的节点特征矩阵x和邻接矩阵a；然后，应用多层gcn进行特征学习，每一层的输出可以表示为：
8.根据权利要求1所述的基于图网络时序一致性的伪造视频检测方法，其特征在于:所述步骤s8中,将步骤s7得到的全局表征z输入到全连接层和softmax层，将其映射为视频的真伪分类；具体公式如下：
9.基于图网络时序一致性的伪造视频检测装置，其特征在于，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现权利要求1-8中任一项所述的基于图网络时序一致性的伪造视频检测方法。
10.一种计算机可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时，实现权利要求1-8中任一项所述的基于图网络时序一致性的伪造视频检测方法。