1.一种深度伪造视频检测方法，其特征在于，包括：将待检测视频对应的各帧图像组成的图像集输入第一目标网络模型得到第一特征，将所述图像集输入第二目标网络模型得到第二特征，所述第一目标网络模型与所述第二目标网络模型用于基于不同算法进行特征提取；根据所述第一特征进行时间一致性分析得到第三特征，根据所述第二特征进行光响应不均匀性分析得到第四特征；根据所述第三特征确定第一判别结果，根据所述第四特征确定第二判别结果；根据所述第一判别结果与所述第二判别结果确定视频检测结果。
2.根据权利要求1所述的深度伪造视频检测方法，其特征在于，所述根据所述第一特征进行时间一致性分析得到第三特征，包括：将所述第一特征输入双向长短期记忆网络BiLSTM模型中，得到所述第三特征。
3.根据权利要求1所述的深度伪造视频检测方法，其特征在于，所述根据所述第二特征进行光响应不均匀性分析得到第四特征，包括：将所述第二特征输入光响应不均匀性分析PRNU模型，得到所述第四特征。
4.根据权利要求1至3中任意一项所述的深度伪造视频检测方法，其特征在于，所述第一目标网络模型由具有不同激活函数的两个卷积神经网络CNN模型融合得到。
5.根据权利要求4所述的深度伪造视频检测方法，其特征在于，所述第一目标网络模型由启动残差神经网络InceptionResNet模型与效率Efficient-bo模型融合得到，其中所述InceptionResNet模型对应的激活函数为swish，所述Efficient-bo模型对应的激活函数为修正线性单元ReLU。
6.根据权利要求1至3任一所述的深度伪造视频检测方法，其特征在于，所述根据所述第三特征确定第一判别结果，包括：将所述第三特征输入支持向量回归SVR模型得到所述第一判别结果；其中，所述SVR模型中包括预设的多个非敏感区域宽度，任一非敏感区域宽度对应一个第一判别值，所述第一判别结果基于多个第一判别值确定。
7.根据权利要求1至3任一所述的深度伪造视频检测方法，其特征在于，所述根据所述第一判别结果与所述第二判别结果确定视频检测结果，包括：确定所述第一判别结果对应的第一评价指标以及所述第二判别结果对应的第二评价指标；通过所述第一评价指标以及所述第二评价指标拟合出融合比，以确定所述视频检测结果。
8.根据权利要求1所述的深度伪造视频检测方法，其特征在于，将待检测视频对应的各帧图像组成的图像集输入第一目标网络模型得到第一特征之前，所述方法还包括：获取所述待检测视频；对所述待检测视频进行抽帧、人脸检测、灰度转换处理，得到所述图像集。
9.一种深度伪造视频检测装置，其特征在于，包括：特征提取模块，用于将待检测视频对应的各帧图像组成的图像集输入第一目标网络模型得到第一特征，将所述图像集输入第二目标网络模型得到第二特征，所述第一目标网络模型与所述第二目标网络模型用于基于不同算法进行特征提取；特征分析模块，用于根据所述第一特征进行时间一致性分析得到第三特征，根据所述第二特征进行光响应不均匀性分析得到第四特征；判别结果确定模块，用于根据所述第三特征确定第一判别结果，根据所述第四特征确定第二判别结果；视频检测结果确定模块，用于根据所述第一判别结果与所述第二判别结果确定视频检测结果。
10.一种电子设备，其特征在于，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1～8中任意一项所述的深度伪造视频检测方法。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～8中任意一项所述的深度伪造视频检测方法。
