El rostro humano como rasgo biométrico se ha utilizado ampliamente para la verificación de identidad personal, pero sigue siendo una tarea desafiante en condiciones no controladas. Con el desarrollo de la tecnología de adquisición de imágenes hiperespectrales, las propiedades espectrales con suficiente información discriminativa brindan nuevas oportunidades para el procesamiento de imágenes faciales. Este artículo presenta un nuevo método de conjunto para la segmentación de características de la piel de una imagen facial hiperespectral basado en un algoritmo k-means y un algoritmo de bosque de expansión, que explotan tanto características discriminativas espectrales como espaciales. De acuerdo con el área de piel cerrada, se seleccionan características locales para un análisis facial de imagen más detallado. Presentamos los resultados experimentales del algoritmo propuesto en varias bases de datos públicas de rostros que logran tasas de segmentación más altas.