節では目と鼻の下の基準点を手作業により抽出したが，応用上
基準点の抽出は自動化することが望ましい．
ここで，本手法が目と鼻の特徴抽出精度によって，どの程度影響を受けるか検
討する．
位置・大きさ・傾きの正規化前の顔画像（データベースの顔画像は1300
1600 pixels のサイズで 両目の間隔が 386.2 
29.0 pixels
程度）から目と鼻の基準点の抽出において，抽出位置誤差を標準偏差が
の正規分布でばらつかせて正規化をした．
目と鼻の特徴抽出における誤差の標準偏差と個人識別率の関係，
標準偏差と表情識別率の関係
を図，図に示す．
training data, test data の選び方は，節，節と同
様である．
尚，使用次元数は個人識別では49，表情識別では6とした．
基準点の抽出の小さなずれで，著しく識別率が低下した． EMC, MDAを適応して，個人識別で識別率90%程度，表情識別で識別率50%程度 を得るには，誤差が10pixels以下の精度の特徴抽出手法が要求される．
