本发明公开了一种多时域多特征结合的Deepfake视频检测方法及系统，该方法步骤包括：将划分后数据集的视频解码并采样，获取特征提取区域的RGB图像和YUV图像；将RGB图像输入Xception网络学习，提取颜色特征；YUV图像进行分块DCT变换，得到三维DCT系数并输入频域特征提取网络学习，提取DCT特征；构建短时域模块，获取相邻两帧的一阶差分图像和灰度差值，输入VGG16网络提取梯度特征；将颜色特征、DCT特征和梯度特征拼接得到单帧特征；分别计算待检测视频的连续多帧图像，获得多个单帧特征，输入构建的长时域模块训练，训练后对视频进行分类，判断是否为Deepfake视频。本发明利用多时域模块捕获视频的时域信息，结合多特征对Deepfake视频进行检测，具有较好的检测效果，并提高了泛化能力。