چکیده: چهره یکی از مهمترین بیومتریک‌ها برای شناسایی هویت افراد است. شناسایی افراد از روی تصویر چهره به عنوان یکی از مسائل مهم در شناسایی الگو مطرح می‌شود. علی رغم اینکه مطالعه بر روی این موضوع مورد توجه محققین زیادی بوده است ولی هنوز چالش‌هایی برای حل این مسئله بصورت کامل وجود دارد. از جمله این چالش‌ها می‌توان به شناسایی در مجموعه هایی با تعداد اشخاص بسیار زیاد، شناسایی وقتی بخشی از چهره پوشیده است یا سن افراد تغییر می‌نماید و یا وضوح تصویر ورودی پایین است، اشاره نمود. در سال‌های اخیر از بازنمایی تُنُک برای کاربردهای شناسایی چهره استفاده شده است. چگونگی یادگیری واژه‌نامه یک موضوع کلیدی برای بازنمایی تُنُک است. با وجود اینکه اشخاص مختلف، ویژگی‌های متمایزی دارند، معمولا الگوهای مشترکی نیز دارند؛ از این ایده در سال‌های اخیر برای چارچوب یادگیری واژه‌نامه بهره گرفته شده است. در اینجا از یک مدل یادگیری واژه‌نامه برای بهبود بازنمایی تُنُک به منظور طبقه‌بندی تصاویر با استفاده از یادگیری یک واژه‌نامه خصوصی برای هر طبقه و یک واژه‌نامه اشتراکی برای همه طبقه‌ها استفاده شده است. با استفاده از این واژه‌نامه‌ها طبقه‌بندی صورت می‌گیرد. یکی از راه حل ها برای افزایش بازده طبقه‌بندی الگو استفاده از تلفیق طبقه‌بندها است. در این پژوهش با توجه به ساختار اجزاء چهره، هر کدام از تصاویر را به 9 بخش تقسیم می‌کنیم. سپس برای هر کدام از بخش ها یک واژه‌نامه یادگرفته می‌شود تا به کمک هر بخش طبقه‌بندی مستقل صورت گیرد. در انتها از ترکیب نتایج طبقه‌بندها برای شناسایی چهره مورد سوال استفاده می‌شود. نتایج به دست آمده کارآیی این رویکرد را نشان می‌دهد.