情感和人格在人们的日常学习生活诸如认知、创造力、注意力、决策、心理健康等方面起着重要的作用。积极的情感可以促使个体加快学习、工作效率,可以使人际交往更融洽和谐,而消极的情感则不利于个体的发展。随着经济的飞速发展,人们的生活节奏不断加快、生活成本提高,个体的生活压力、职场压力不断上升。研究人员通过对文本、图像、语言建模进行情感识别,并取得了突破性的进步。生理信号是人体组织器官向大脑传达信息的载体,生理信号包含大量的个人生理和心理信息,这些信息具有不可隐藏性和不可欺骗性。基于生理信号数据进行深度学习建模是目前计算机研究领域的一个研究热点。本文对生理信号情感计算和人格检测进行了介绍,包括概念、研究背景及意义、研究问题和挑战以及研究现状,并基于多模态数据集,对个体进行深度学习情感分类建模和人格检测建模。主要工作如下:(1)生理信号数据集:基于情感激发视频采集了一个包含皮肤电阻、脉搏、图像、语音等通道的实时情感人格多模态数据集。(2)面向生理信号,提出了将皮肤电阻数据转化成频谱图的方法。(3)面向生理信号,将数据增强技术应用于生理信号和频谱图。(4)面向情感计算,建立了基于皮肤电阻的传统机器学习模型和卷积神经网络模型、长短时记忆网络模型、混合时空网络模型等深度学习模型。(5)建立了基于皮肤电阻和脉搏双通道的多模态深度学习模型。(6)面向人格检测,建立了基于皮肤电阻信号的机器学习模型和深度学习模型。通过数据建模,本文提出的将皮肤电阻信号转换成频谱图取得了较好的效果,提出的基于皮肤电阻的深度学习模型在情感分类结果上得到了提升。并发现数据增强技术、注意力机制在生理信号建模起着积极的作用。通过实验结果分析,本文提出的基于皮肤电阻的人格回归和分类取得了较好结果。基于皮肤电阻和脉搏的深度学习模型可以有效地分类用户情感,为司法审讯、智能家居、情绪引导提供了研究基础。基于皮肤电阻的人格分类与回归模型实验结果取得了进步,可助力心理健康诊断、航空航天、自闭症患者和老年人陪护等。