高压工作影响心理健康和效率，AI通过监测生理信号帮助识别压力，改善心理健康。金融公司和呼叫中心利用AI降低倦怠率和提高满意度。尽管AI在压力检测中有潜力，但也引发隐私和数据安全问题。

本研究利用PPG信号和深度CNN-MLP网络方法进行压力检测，准确率约为82%，表明PPG信号在压力检测中具有重要应用潜力。

该文汇总多篇生物特征融合研究，涵盖指纹、人脸与生物信号等多模态识别，重点探讨特征提取、决策级与后期融合策略，以及隐私保护和压力检测应用。实验表明，多模态融合可提升识别准确率与效率，后期融合在压力检测中准确率达94.39%。

Fitbit的压力检测功能使用Stress Management Score算法和sEDA传感器，Sense 2的Body Response功能使用cEDA传感器进行全天跟踪，可以实时跟踪压力水平。该算法通过机器学习训练，检测心率、心率变异性和皮肤温度等指标的变化，并提醒用户采取行动。在锻炼期间，算法会被禁用。