該系統基于計算機視覺原理，由多個高速相機從不同角度對目標特征點的監視和跟蹤，同時結合骨骼解算的算法來完成動作捕捉。理論上對于空間中的任意一個點，只要它能同時被兩臺以上相機所見，就可以確定這一時刻該點在空間中的3D位置。當相機以高幀率連續拍攝時，從圖像序列中就可以得到該點的運動軌跡。

　　光學動捕采集設備通常是光學相機，分兩種：一種是在物體上不額外添加標記，基于二維圖像特征或三維形狀特征提取的關節信息作為探測目標，這類系統統稱為無標記點式系統；另一種是在物體上粘貼標記點作為目標探測點。

　　

　　光學動作捕捉鏡頭是動作捕捉系統的核心，鏡頭的分辨率與視場角等數據決定了整個動作捕捉系統的動作捕捉效果與精度。

　　以紅外光為原理，通過多個鏡頭對特定標記點的觀察定位來獲取標記點的具體空間位置。捕捉鏡頭面板上的LED燈發出特定波長的紅外光，照到被捕捉物，也就是反光標記點，反光標記點表面的反光材料將紅外光反射回鏡頭，反射回的紅外光經過信號處理，FPGA進行圖像抓取和算法處理，從而獲得反光標記點在鏡頭中的二維坐標。一套動捕系統里通常有多個動作捕捉鏡頭，多個鏡頭通過標定獲取每個鏡頭的具體位置，從而得到三維坐標。