La somnolencia afecta la concentración y el tiempo de reacción de los conductores, duplicando el riesgo de accidentes automovilísticos. Diversos métodos para detectar la conducción somnolienta han sido propuestos que se basan en cambios faciales. Sin embargo, tienen una detección deficiente para los conductores que usan mascarillas o gafas de sol, y no reflejan los hábitos de somnolencia del conductor. Por lo tanto, este artículo propone un método novedoso para detectar la conducción somnolienta incluso con obstrucciones en la detección facial, como mascarillas o gafas de sol, y independientemente de los diferentes hábitos de somnolencia del conductor, mediante el reconocimiento de patrones de comportamiento. Conseguimos esto construyendo conjuntos de datos de conducción normal y conducción somnolienta y desarrollando un modelo de 3D-CNN (Red Neuronal Convolucional 3D) que refleja la estructura Inception de GoogleNet. Este modelo de clasificación binaria clasifica videos de conducción normal y conducción somnolienta. Utilizando videos reales capturados dentro de vehículos reales, este modelo logró una precisión de clasificación del 85% para detectar la conducción somnolienta sin obstrucciones faciales y del 75% para detectar la conducción somnolienta cuando se usan mascarillas y gafas de sol. Nuestros resultados demuestran que el método de reconocimiento de patrones de comportamiento es efectivo para detectar la conducción somnolienta.