通過監(jiān)視和跟蹤目標上的特定點來完成運動捕捉的任務。理論上，對于空間中的任意一點，只要能被兩臺攝像機同時看到，就可以根據兩臺攝像機在同一時刻拍攝的圖像和攝像機參數來確定該點在該時刻的空間位置。當攝像機以足夠高的速率連續(xù)拍攝時，動作捕捉軟件可以從圖像序列中獲得該點的運動軌跡。

　　一個典型的光學運動捕捉系統(tǒng)通常有6~8個攝像機，布置在表演場地周圍，這些攝像機的重疊區(qū)域就是表演者的活動范圍。為了便于搬運，通常要求表演者穿著單色服裝，并在身體的關鍵部位，如關節(jié)、臀部、肘部、手腕等處，貼上一些特殊的標志或發(fā)光點。，它們被稱為“標記”。視覺系統(tǒng)只識別和處理這些信號。系統(tǒng)標定后，攝像機連續(xù)拍攝表演者的動作，并保存圖像序列，然后進行分析處理，識別出其中的標志點，計算出它們在每個時刻的空間位置，從而得出它們的運動軌跡。為了得到準確的運動軌跡，要求相機具有較高的拍攝速率，一般要求每秒60幀以上。

　　基于相似的原理，光學運動捕捉器件的種類很多，比如根據目標的輪廓提取目標的運動信息，或者利用網格背景簡化處理過程。目前，我們正在進一步研究利用圖像識別和分析技術直接識別表演者身體的關鍵部位并測量其運動軌跡的技術，而不是依賴于標記器。

　　光運動捕捉可分為主動運動捕捉技術和被動運動捕捉技術兩大類。它們的工作原理是一樣的，但區(qū)別在于:

　　被動式運動捕捉系統(tǒng)中使用的跟蹤器是一些特殊的小球，其表面涂有一層反射能力很強的材料。在相機的捕捉狀態(tài)下，會格外明亮，便于相機捕捉其運動軌跡。

　　但是active運動捕捉系統(tǒng)使用了一個可以自己發(fā)光的跟蹤點。它不需要輔助照明設施，但需要能源供應。無源攝像機周圍有一些發(fā)光二極管。標記將這些二極管發(fā)出的光反射回鏡頭，在每幅圖像中形成一個亮點。只有這樣才能追蹤到系統(tǒng)。主動捕捉所需的相機不需要有自己的發(fā)光功能。