一种基于transformer的假视频检测方法，通过对一个视频连续帧的脸图像利用空间视觉transformer模型提取全局空间特征，避免了传统检测方法仅提取局部特征而导致泛化性能差，由于假视频通常在时间序列上具有不一致性，所以进一步通过时间视觉transformer模型捕获全局时间特征，从而使空间特征与时间特征结合来提高检测的准确性，适用于各种改进生成算法生成的deepfake检测,检测到的deepfake的准确度明显优于其他方法。