AR/VRにおいて仮想の物体を実在するものとして知覚するためには，現実世界に則した整合性を保つ必要がある．現実世界と仮想世界のインタラクションを考える場合，仮想と現実をシームレスに繋ぐインターフェースが人にとって自然なものであることが望まれる．本研究では，ARにおけるヒューマンインターフェースとして息（風）に注目する．人の口から発する息の検知を実現するため，マイク音声とカメラ画像を併用した息の吹きかけ動作の認識を行う．音声データを入力とするニューラルネットワークにより息の判別を行い，顔画像の認識から顔の向きを推定することにより，息の吹きかけ方向のベクトルを決定する．