该系统基于计算机视觉原理，由多个高速相机从不同角度对目标特征点的监视和跟踪，同时结合骨骼解算的算法来完成动作捕捉。理论上对于空间中的任意一个点，只要它能同时被两台以上相机所见，就可以确定这一时刻该点在空间中的3D位置。当相机以高帧率连续拍摄时，从图像序列中就可以得到该点的运动轨迹。

　　光学动捕采集设备通常是光学相机，分两种：一种是在物体上不额外添加标记，基于二维图像特征或三维形状特征提取的关节信息作为探测目标，这类系统统称为无标记点式系统；另一种是在物体上粘贴标记点作为目标探测点。

　　

　　光学动作捕捉镜头是动作捕捉系统的核心，镜头的分辨率与视场角等数据决定了整个动作捕捉系统的动作捕捉效果与精度。

　　以红外光为原理，通过多个镜头对特定标记点的观察定位来获取标记点的具体空间位置。捕捉镜头面板上的LED灯发出特定波长的红外光，照到被捕捉物，也就是反光标记点，反光标记点表面的反光材料将红外光反射回镜头，反射回的红外光经过信号处理，FPGA进行图像抓取和算法处理，从而获得反光标记点在镜头中的二维坐标。一套动捕系统里通常有多个动作捕捉镜头，多个镜头通过标定获取每个镜头的具体位置，从而得到三维坐标。