目前下肢动作模式识别技术还存在数据量少、识别率低的问题。本文以下肢步态动作为对象，采集无负重平地行走，无负重上/下楼及负重上/下楼五种步态的表面肌电信号（Surface electromyography，sEMG），对sEMG信号进行特征提取基础上，构建了一种以特征集作为输入的卷积神经网络，提出一种新的下肢动作模式识别方法，并比较了其他几种分类识别方法的识别率和工作特征。实验结果表明，相较于传统方法，本文方法的输入特征集更能代表预测模型特征，模式识别率更高。五种步态的识别准确率均大于95%，错误率都低于8%，具有较高的准确性。该方法对康复医疗机器人、助力机器人等设备改善下肢运动功能提供理论支撑。