Các dịch vụ dựa trên định danh ngày càng phổ biến và mang lại nhiều tiệních cho người dùng. Định danh tự động giúp mang lại các trải nghiệm dịch vụ caocấp cho người thụ hưởng trong rất nhiều lĩnh vực như giáo dục, nghỉ dưỡng,chăm sóc sức khỏe, chăm sóc khách hàng. Nhiều mô hình và phương pháp đãđược đề xuất để giải quyết bài toán định danh người dùng, trong đó kỹ thuật dựatrên hình ảnh khuôn mặt được sử dụng rộng rãi do có nhiều ưu điểm về khả năngthu thập dữ liệu, khả năng cá biệt hóa. Tuy nhiên, một hệ thống định danh với độchính xác cao và tốc độ theo thời gian thực vẫn là mục tiêu của nhiều nghiên cứutrong thời gian gần đây. Trong bài báo này, chúng tôi giới thiệu một phươngpháp học chuyển tiếp kết hợp giữa mô hình mạng nơ ron nhân tạo CNN và môhình máy véc tơ hỗ trợ SVM cho bài toán này. Một kiến trúc CNN được đề xuất vàđược sử dụng như là bộ trích rút thuộc tính cho mô hình SVM làm nhiệm vụ phânlớp các đối tượng. Các kết quả thu được cho thấy sự cải thiện đáng kể về độ chínhxác trong định danh cũng như thời gian huấn luyện so với các mô hình riêng lẻ.Identity-based services are becoming more and more popular and bringmany benefits to users. Particularly, automatic identification helps bring highclass service experiences to beneficiaries in many fields such as education, resorttravel, health care, customer care. Many models and methods have beenproposed to solve the problem of user identification, in which face image-basedtechniques are widely used due to many advantages in terms of data collectionability, personalization. However, an identification system with high accuracyand real-time speed is still the goal of many studies in recent times. In this paper,we introduce a transfer learning based method that combines CNN and SVMmodels for the face identification problem. A CNN architecture is proposed andused as a feature extractor and then, the SVM model for object classification. Theobtained results show a significant improvement in the accuracy of the imageclassification as well as the training time.