En visión por computadora, las tareas de clasificación de etnias utilizan imágenes que contienen rostros humanos para extraer etiquetas de etnia. La etnia es una de las categorías de características biométricas suaves útiles en el análisis de datos para los sectores comercial, público y de salud. La clasificación de etnias comienza con la detección de rostros como un proceso de preprocesamiento para determinar la presencia de un humano; luego, se extrae la representación de características de la imagen facial aislada para predecir la clase de etnia. Este estudio utilizó cuatro características hechas a mano (patrón binario local múltiple (MLBP), histograma de gradientes (HOG), histograma de color y características robustas aceleradas (basadas en SURF)) como base para la generación de una característica de fusión compacta. El marco de fusión compacta implica selección óptima de características, extracción de características compactas y representación de características de fusión compacta. La representación final de características fue entrenada y probada con el clasificador SVM Uno Contra Todos para la clasificación de etnias. Cuando se evaluó en dos grandes conjuntos de datos, UTKFace y Fair Face, el marco propuesto logró niveles de precisión del 89.14%, 82.19% y 73.87%, respectivamente, para el conjunto de datos UTKFace con cuatro o cinco clases y el conjunto de datos Fair Face con cuatro clases. Además, la característica de fusión compacta con un pequeño número de características de 4790, construida sobre la base de características hechas a mano convencionales, logró resultados competitivos en comparación con métodos de vanguardia que utilizan un enfoque basado en aprendizaje profundo.