Các phương pháp nhận dạng khuôn mặt đang được ứng dụng rất rộng rãi và đem lại các lợi ích to lớn cho người sử dụng trong các hệ thống xác thực, bảo mật, giám sát tội phạm,... Bên cạnh độ chính xác, các phương pháp nhận dạng khuôn mặt truyền thống phải đối mặt với vấn đề đó là tiêu tốn nhiều thời gian để nhận dạng, khả năng tính toán lớn và có thể áp dụng cho các hệ thống phân tán với môi trường dữ liệu lớn đang phát triển hiện nay để xử lý và phân tích dữ liệu một cách hiệu quả. Để giải quyết vấn đề này, chúng tôi đề xuất một phương pháp rút trích đặc trưng khuôn mặt bằng cách sử dụng kỹ thuật Gabor wavelet và mô hình xử lý song song MapReduce ở giai đoạn huấn luyện và nhận dạng nhằm cải thiện thời gian đáp ứng của hệ thống. Dữ liệu của chúng tôi được tổ chức và lưu trữ trên hệ thống tập tin phân tán HDFS (Hadoop Distributed File System) nhằm tận dụng khả năng chịu lỗi và hiệu suất truy cập cao. Các thí nghiệm cho thấy phương pháp đề xuất cải thiện đáng kể hiệu quả về mặt thời gian và độ chính xác nhận dạng khuôn mặt.