La electroencefalografía (EEG), la electromiografía (EMG), la respuesta galvánica de la piel (GSR) y el electrocardiograma (ECG) se encuentran entre las técnicas desarrolladas para recopilar datos psicofisiológicos de los humanos. Este estudio presenta una técnica de extracción de características para identificar emociones en datos basados en EEG del cerebro humano. Se empleó el análisis de componentes independientes (ICA) para eliminar artefactos de las señales cerebrales en bruto antes de aplicar la extracción de señales a una red neuronal convolucional (CNN) para la identificación de emociones. Estas características fueron aprendidas por el algoritmo propuesto CNN-LSTM (memoria a largo y corto plazo), que incluye un clasificador ResNet-152. El algoritmo CNN-LSTM con ResNet-152 se utilizó para la detección y análisis precisos de los datos emocionales humanos. El conjunto de datos SEED V se empleó para la recopilación de datos en este estudio, y la implementación se llevó a cabo utilizando una placa de desarrollo FPGA Altera DE2, demostrando un rendimiento mejorado en términos de velocidad y optimización del área de la FPGA.