Viele Gesichtserkennungssysteme verbessern ihre Leistung durch die Verwendung von tiefen Lernmodellen, jedoch gehen nur wenige Forschungen in die Mechanismen zur Behandlung der Online-Registrierung ein. Obwohl wir durch das Training modernster tiefer Modelle diskriminierende Gesichtseigenschaften erlangen können, bleibt die Festlegung des optimalen Schwellwertes für den praktischen Einsatz eine Herausforderung. Wir entwickeln eine Technik des adaptiven Schwellwertmechanismus, um die Erkennungsrate zu erhöhen. Zudem gestalten wir ein Gesichtserkennungssystem mit einem Registrierungsprozess, um die Online-Registrierung zu bewältigen. Darüber hinaus stellen wir ein neues Evaluationsprotokoll vor, um die Leistung eines Algorithmus in realen Szenarien besser zu bewerten. Unter unserem vorgeschlagenen Protokoll kann unsere Methode auf dem LFW-Datensatz eine Genauigkeitsverbesserung von 22 % erreichen.