La última generación de automóviles está cada vez más equipada con sistemas de asistencia al conductor llamados ADAS (sistemas avanzados de asistencia al conductor) que pueden ayudar al conductor en diferentes escenarios de conducción, y en los niveles de automatización más avanzados, pueden tomar el control de la conducción del automóvil si es necesario debido a situaciones peligrosas. Por lo tanto, es esencial adaptar el ADAS específicamente a la identidad del conductor del automóvil para personalizar mejor la asistencia a la conducción. Con este fin, los algoritmos que permiten el reconocimiento correcto del conductor del vehículo son fundamentales y preparatorios. En este contexto, se propone un algoritmo para el reconocimiento de la identidad del conductor del automóvil que permite, con una precisión cercana al 99%, el reconocimiento del conductor mediante un pipeline adecuadamente diseñado basado en el análisis de la señal fotopletismográfica (PPG) del conductor del automóvil. El enfoque propuesto hace uso de una arquitectura de memoria a largo plazo y corto plazo (LSTM) profunda para aprender características de la señal PPG necesarias para discriminar a un conductor de automóvil de otro. La validación extendida y las pruebas del sistema propuesto confirman la fiabilidad del pipeline propuesto.