El reconocimiento facial es una de las aplicaciones esenciales en visión por computadora, mientras que la tecnología actual de reconocimiento facial se basa principalmente en imágenes 2D sin información de profundidad, que son fácilmente afectadas por la iluminación y las expresiones faciales. Este artículo presenta un algoritmo rápido de reconocimiento facial que combina datos de rostros en nube de puntos 3D con aprendizaje profundo, centrándose en la parte clave del rostro para el reconocimiento con un mecanismo de atención, y reduciendo el espacio de codificación mediante la función de pérdida dispersa. En primer lugar, se construyó una red neuronal convolucional basada en un mecanismo de atención para extraer características faciales y evitar la interferencia de las expresiones e iluminación. En segundo lugar, se entrenó una red Siamesa con una función de pérdida dispersa para minimizar el espacio de codificación facial y mejorar la separabilidad de las características faciales. Con el conjunto de datos de rostros FRGC, los resultados experimentales muestran que el método propuesto podría lograr una precisión de reconocimiento del 95.33%.