光学动作捕捉系统是以红外光学为原理的动作捕捉系统，相较于惯性原理动作捕捉系统，GPS定位系统等定位手段，具有精度高、延迟低、实时性强、多用于室内场景等特点，系统建立过程可分为系统搭建，数据采集与传输，数据识别与处理三部分。
1系统搭建
1.1场地搭建
一套光学动作捕捉系统由红外光学镜头、动作捕捉软件、反光标志点、POE交换机、线缆、标定框、以及三脚架等镜头固定装置组成。
首先将红外光学镜头通过三脚架、夹具等镜头固定装置布置在场地周围，确保镜头视野能够覆盖捕捉区域，然后将所有镜头通过网线连接到POE交换机。镜头通过POE交换机进行供电和数据传输，并连接到电脑中的动作捕捉软件。软件启动后，先在页面中实时模式操作连接上动作捕捉镜头。
1.2场地标定
系统软硬件搭建并相互连接成功后，下一步就是场地的标定，标定的作用在于给动作捕捉区域建立XYZ坐标系，计算每个镜头在坐标系中的位置和姿态，只有完成标定后，才可以正确获取到场地中各个Marker点的三维坐标数据，分为L型标定与T型标定。
L型标定通过将L型标定杆置于场地中央，在软件中进行相应设置来完成，其目的有两个：首先是确定统一的坐标系，通过对L型杆上四个点的定位，系统可区分出其长轴与短轴，从而定义出世界坐标轴的朝向和原点位置，其次，这一过程能够给看到L型杆的镜头一个初始参数，作为后面参数寻优的初值。
T型标定的作用是给每个镜头足够的数据，使其能够在原有初值的基础上进行一个参数的迭代寻优。在这一过程，软件处于T型标定模式，操作人员手持T型杆在场地中进行挥动，镜头实时捕捉大量数据。
2数据采集与传输
2.1数据采集
完成标定后，即可进行被捕捉物空间数据的获取。在需要定位的人或物体表面贴上反光标记点（一种表面涂有特殊反光物质的银灰色小球），动作捕捉镜头上的LED灯向外发射红外光，同时接收反光标记点反射回来的红外光。当多个光学镜头同时“看到”一个标记点后，这一标记点在空间中的三维位置就会被确定。
2.2数据传输
镜头获取到的反光标记点位置信息需要实时传输到电脑中，以进行数据的处理与使用。在光学动作捕捉系统中，所有镜头通过网线与交换机相连，当镜头获取到反光标记点空间位置信息后，这些信息会通过网线传输到交换机，再由交换机统一传输到相连的电脑中，并实时被动作捕捉软件接收。
3数据识别与处理
软件获取到多个反光标记点的三维空间位置后，下一步是进行物体的识别。在同一物体表面贴有多个反光标记点，这些特定点之间的距离是不变的，因而，对同一物体上贴有的有的点进行命名，并将点之间用线进行连接，表示两点间的相互关系，这一组点名称与连线信息在软件中被操作记录为一组Markerset。当具有这组Markerset信息的物体出现在场地中时，即被系统识别为一个独立物体。
一些人体动作捕捉需要大量贴点捕捉数据，有专门的贴点模型供选择使用，根据所提供的贴点模型，在人体固定位置粘贴反光标记点，并在软件中进行点的识别、连接与骨骼绑定。
当系统能够实时识别被捕捉物后，一个完整的光学动作捕捉系统就已建立完成，接下来可直接进行动作捕捉，捕捉得到的模型数据还可实时根据效果在软件中进行调整与矫正。根据不同领域方向的需要，光学动作捕捉系统还可实现与测力台等设备同步进行运动与测力数据捕捉、连接三维软件进行虚拟人物生成等操作。
