Este documento propone un sistema ligero de predicción de objetos en movimiento para detectar y reconocer cruces peatonales, vehículos que se interponen y vehículos que frenan de emergencia aplicando una red de convolución 3D para la predicción de comportamientos. El diseño propuesto mejora significativamente el rendimiento de la red de convolución 3D convencional (C3D) adaptada para predecir los comportamientos empleando una red de reconocimiento de comportamientos capaz de realizar la localización de objetos, lo cual es fundamental para detectar los numerosos comportamientos de objetos en movimiento, combinando y verificando los objetos detectados con los resultados del modelo de detección YOLO v3 con el del modelo C3D propuesto. Dado que el sistema propuesto es un modelo CNN ligero que requiere muchos menos parámetros, puede ser implementado eficientemente en un sistema integrado para aplicaciones en tiempo real. El modelo C3D ligero propuesto logra 10 cuadros por segundo (FPS) en un NVIDIA Jetson AGX Xavier y alcanza más del 92.8% de precisión en el reconocimiento de cruces peatonales, más del 94.3% de precisión en la detección de vehículos que se interponen y más del 95% de precisión para vehículos que frenan de emergencia.