1.一种基于静态纹理的人脸欺诈检测方法，其特征在于，包括：(1)读取训练集视频，对输入的视频进行逐帧人脸图片检测，得到具有人脸位置信息的图片，并对对应图片进行剪裁；

(2)根据人脸图片的差值分布构造一种特征提取方法，记为DQ_LBP特征提取方法，并对剪裁后的图片在选定的颜色空间的各个颜色通道中采用所述DQ_LBP特征提取方法进行纹理特征提取；

(3)采用空间金字塔算法统计每层彩色纹理特征图片中的直方信息，并级联形成表示图片在当前颜色通道中的一维特征向量；

(4)将当前颜色空间内的所有颜色通道中的特征向量级联，再将互补颜色空间内的纹理融合，形成表示当前图片彩色纹理的特征；

(5)将根据步骤(1)-(4)得到的训练集对应的特征向量进行归一化处理，并放入线性核的支持向量机中进行训练；

(6)将根据步骤(1)-(4)得到的测试集对应的特征向量进行归一化处理，并放入步骤(5)得到的模型中进行分类，得到预测结果。

2.根据权利要求1所述的基于静态纹理的人脸欺诈检测方法，其特征在于，所述步骤(1)中，在对图片进行剪裁之前，首先对所述具有人脸位置信息图片预处理，该预处理为将具有人脸位置信息的图片中的待研究人脸区域对应的宽和高分别向图片的非研究区域扩充，扩充为原来待研究人脸区域的1.2～1.8倍。

3.根据权利要求1或2所述的基于静态纹理的人脸欺诈检测方法，其特征在于，所述步骤(2)中，DQ_LBP特征提取方法对应的公式表示为：其中，rc，rn分别表示中心像素点及其临近点的像素值， A是中心像素与其邻居点差值归一化形式，C为函数A的约束函数，P为与中心像素点邻居点的个数，R为考虑像素范围邻域的半径大小，n为当前邻居点的索引，(i,j)为中心像素点的坐标。

4.根据权利要求3所述的基于静态纹理的人脸欺诈检测方法，其特征在于，所述归一化函数表达式A表示为：其中，K表示DQ_LBP特征表示的最大值，K＝2P-1。

5.根据权利要求4所述的基于静态纹理的人脸欺诈检测方法，其特征在于，所述函数A的约束函数C表示为：

6.根据权利要求1或2所述的基于静态纹理的人脸欺诈检测方法，其特征在于，所述选定的颜色空间为HSV和YCbCr两种互补的颜色模型。

7.根据权利要求3所述的基于静态纹理的人脸欺诈检测方法，其特征在于，所述步骤(3)中，采用空间金字塔算法提取带有纹理特征图片中纹理图片的直方信息，包括：图像分割：采用三层空间金字塔的第一层和第三层对带有纹理特征图片进行分割，形成多个纹理图片块，层数l和划分的纹理图像块的总数T满足以下公式，l∈{0,1,2}：T＝2l×2l

直方图表示：设当前纹理图片块的大小N×M，所述图像块的特征直方图表示为：其中，k∈[0,K]，K为DQ_LBP特征所表示的最大值， round(a)表示对a值进行四舍五入计算，

8.一种基于静态纹理的人脸欺诈检测系统，其特征在于，包括：人脸检测模块，用于读取训练集视频，对输入的视频进行逐帧人脸图片检测，得到具有人脸位置信息的图片，并对对应图片进行剪裁；

特征提取模块，用于根据人脸图片中相邻像素间的差值分布构造DQ_LBP特征提取方法，并对剪裁后的图片在互补的颜色空间的各个颜色通道中采用所述DQ_LBP特征提取方法进行纹理特征提取；

训练模块，用于将训练集对应的特征向量进行归一化处理，并放入线性核的支持向量机中进行训练；

测试模块，用于将测试集对应的特征向量进行归一化处理，并放入提前训练好的模型中进行分类，得到预测结果。

9.一种计算机存储介质，其上存储有计算机程序，其特征在于：所述计算机程序在被计算机处理器执行时实现权利要求1至7任一项所述的方法。