1.一种基于域适应的人脸伪造检测方法，其特征在于，所述方法包括以下步骤：从源域中训练一个Teacher模型；通过域适应，将Teacher模型学习到的先验知识迁移到目标域中，得到第一Student模型；利用部分目标域的样本对所述第一Student模型进行调整，训练得到Student模型；通过训练好的Student模型对人脸图像进行检测；所述从源域中训练一个Teacher模型，包括：将源域中样本图像转换为两个互补域的特征图；将两个互补域的特征图分别输入到一个共享权重的骨干网络中学习特征；输出判断结果，构建Teacher模型。
2.根据权利要求1所述的一种基于域适应的人脸伪造检测方法，其特征在于，所述利用部分目标域的样本对所述第一Student模型进行调整，训练得到Student模型；包括：将Teacher模型的权重复制给所述第一Student模型；获取Teacher模型软标签，并且获取Student模型的软预测值和硬预测值；计算特征损失、KD损失、BCE损失；训练得到Student模型。
3.根据权利要求2所述的一种基于域适应的人脸伪造检测方法，其特征在于，训练Student模型使用的目标函数为：L S ＝αL fea +βL KD +γL BCE ；其中，L S 为目标损失函数，L fea 为特征损失，L KD 为KD损失，L BCE 为BCE损失；α、β和γ为权重因子。
4.根据权利要求3所述的一种基于域适应的人脸伪造检测方法，其特征在于，通过Student模型对人脸图像进行检测，包括：将一张或多张待检测的人脸图像输入至Student模型中；经过所述骨干网络分析，再经过分类器判断，Softmax处理，最终输出预测结果。
5.一种基于域适应的人脸伪造检测装置，其特征在于，包括：训练单元，用于从源域中训练一个Teacher模型；迁移单元，用于通过域适应，将Teacher模型学习到的先验知识迁移到目标域中，得到第一Student模型；调整单元，用于利用部分目标域的样本对所述第一Student模型进行调整，训练得到Student模型；检测单元，用于通过训练好的Student模型对人脸图像进行检测；所述训练单元，包括：转换模块，用于将源域中样本图像转换为两个互补域的特征图；学习模块，用于将两个互补域的特征图分别输入到一个共享权重的骨干网络中学习特征；构建模块，用于输出判断结果，构建Teacher模型。
6.根据权利要求5所述的一种基于域适应的人脸伪造检测装置，其特征在于，所述调整单元；包括：复制模块，用于将Teacher模型的权重复制给所述第一Student模型；获取模块，用于获取Teacher模型软标签，并且用于获取Student模型的软预测值和硬预测值；计算模块，用于计算特征损失、KD损失和BCE损失；训练模块，用于训练得到Student模型。
7.根据权利要求6所述的一种基于域适应的人脸伪造检测装置，其特征在于，训练Student模型使用的目标函数为：L S ＝αL fea +βL KD +γL BCE ；其中，L S 为目标损失函数，L fea 为特征损失，L KD 为KD损失，L BCE 为BCE损失；α、β和γ为权重因子。
8.根据权利要求5所述的一种基于域适应的人脸伪造检测装置，其特征在于，所述检测单元，包括：输入模块，用于将一张或多张待检测的人脸图像输入至Student模型中；输出模块，用于经过所述骨干网络分析，再经过分类器判断，Softmax处理，最终输出预测结果。
