顔認識の特徴量としては，様々なものが利用されているが，その代表的なものとしてGaborウェーブレット特徴量がある．Gaborウェーブレット特徴量は，出力特性が生物の視覚特性と似ており，Eigenface等，他の顔認識手法と比較して良好な性能を示している．しかし，顔認識の特徴量として，Gaborウェーブレット特徴量が最適であるか明らかではない．そこで，本研究では，Gaborウェーブレット以外の様々なウェーブレット（Haar, French hat, Mexican hat, Daubechies, Coiflet, Symlet, O-spline）を用いて特徴抽出を行い，どのウェーブレット特徴量が顔認識に最適であるかを調べた．ウェーブレットのスケールを固定したもの，スケールを可変にしたものの認識率を AR Face Databaseを用いて比較を行った．さらに，スケール可変ウェーブレットを８方向に回転させ特徴抽出を行い，認識を行った．その結果，スケール可変ウェーブレットで８方向から特徴抽出を行った場合，全てのテスト画像において Haarウェーブレットが Gaborウェーブレットより高い認識率を示すことが明らかになった．