人間はコミュニケーションにおいて言葉や文字などのバーバルな情報以外に， 顔の表情，ジェスチャ，声の調子などのノンバーバルな情報をも伝達し，コミュ ニケーションの効率化を行っている． 特に，感情の55%は顔の表情で表現されるという心理学者Mehrabianの報告が あるように，顔の表情は重要である[1]． このことから，ネットワークを介した人間同士のコミュニケーションにおいて， 顔の個人性や表情が伝送できれば，より親密かつ効率の良いコミュニケーショ ンができると考えられる． 本研究はこのようなコミュニケーションを実現するために顔画像から個人性及 び表情の解析を行うことを目的としている．
顔画像から個人性や表情を解析する代表的手法として主成分分析 (Principal Components Analysis;PCA)がある [2, 3, 4, 5, 6, 7, 8]． PCAは抽出した特徴ベクトル (ex. 顔画像の輝度値，顔形状，オプティカルフロー，etc) の集合から， 射影成分の分散が大きい射影軸をあらかじめ求めておき， 特徴ベクトルをその射影軸への射影成分（主成分）で表す手法である． しかし，PCAにより求まった主成分は個人性や表情，照明等の様々な影響が混 合した成分である． よって，PCAにより個人性を解析する場合，表情，照明等のばらつきによって 解析結果が大きく影響されるという問題がある．
このような影響を軽減する方法としてフィッシャーの線形識別を多クラスに拡 張した重判別分析(Multiple Discriminant Analysis;MDA)を用いる方法がある [9, 10]． MDAは級内分散と級間分散の比が大きい軸を求める手法である． 本研究では従来のPCAに基づく固有空間法を変形して得た， 級間分散と級内分散の差が大きい軸を求める手法（本稿では本手法のこと をクラス特徴に基づく固有空間法(Eigenspace Method based on Class features:EMC)と呼ぶ）を提案する[11, 12]． そして，EMCとMDAのそれぞれを使用し，任意の顔パターンに対して個人性ま たは表情の特徴を表す軸，すなわちEMC，MDAにおける固有ベクトルを導出す る． その固有ベクトルで顔パターンを変換して得た特徴ベクトルにより個人性と表 情の解析を行う．
本研究では次の項目について検討する．