De nombreux systèmes de reconnaissance faciale améliorent leurs performances en utilisant des modèles d'apprentissage profond, mais peu de recherches se concentrent sur les mécanismes de gestion de l'inscription en ligne. Bien que nous puissions obtenir des caractéristiques faciales discriminantes grâce à la formation de modèles d'apprentissage profond de pointe, déterminer le meilleur seuil pour une utilisation pratique reste un défi. Nous avons développé une technique de mécanisme à seuil adaptatif afin d'améliorer la précision de la reconnaissance. Nous avons également conçu un système de reconnaissance faciale intégrant une procédure d'inscription pour gérer l'inscription en ligne. De plus, nous introduisons un nouveau protocole d'évaluation permettant une meilleure évaluation des performances d'un algorithme dans des scénarios réels. Selon notre protocole proposé, notre méthode peut réaliser une amélioration de 22 % de la précision sur l'ensemble de données LFW (Labeled Faces in the Wild).