1 基本原理
动作捕捉的核心在于将物理世界中的运动转换为计算机可理解的数字信号。其基本原理涉及空间坐标与姿态的精确测定、人体关键点的定义与关联，以及数据采样率对运动细节的影响。
1.1 空间坐标与姿态估计
空间坐标是描述物体或人体在三维空间中位置的基础，通常采用三维笛卡尔坐标系（X、Y、Z）进行表示。姿态估计则涉及被捕捉物体或人体部位的方向与旋转角度，常用欧拉角或四元数来描述。动作捕捉系统通过多个传感器或摄像机同步采集数据，利用三角测量、惯性融合或磁场感测等数学方法，实时计算出每个测量点在空间中的精确位置与朝向，从而还原出运动体的整体姿态。
1.2 关键点与骨骼绑定
为了高效地表达复杂的人体运动，动作捕捉首先需要识别并跟踪一组具有解剖学意义的关键点（如关节中心、肢体末端）。这些关键点构成一个简化的人体骨架模型，每个点代表一个关节，点与点之间的连接对应肢体骨骼段。通过将实时测量的关键点位置与预定义骨骼模型进行绑定（即“骨骼绑定”），系统可以推导出每个关节的旋转角度，进而驱动数字角色做出与真人完全一致的动作。
1.3 数据采样率与精度
数据采样率指系统每秒钟采集动作数据的次数，单位为赫兹（Hz）。高采样率（如120Hz以上）能够捕捉快速动作（如拳击、弹跳）中的细微变化，而低采样率（如30Hz）则可能导致运动模糊或细节丢失。精度则表现为空间位置测量的误差，通常以毫米级衡量。采样率与精度相互制约，高精度需求往往要求更快的采样速度与更大的数据带宽。实际应用中，需根据运动场景（如慢速舞蹈 vs. 冲刺跑）选择合适的采样参数。
2 技术类型
动作捕捉技术根据传感器原理和信号获取方式可分为四大类：光学式、惯性式、机械式和电磁式。各类技术各有优劣，适用于不同场景。
2.1 光学式动作捕捉
光学式动作捕捉通过摄像机采集反射或自发光信号来获取运动数据，是目前影视级应用最成熟的技术。
2.1.1 被动光学系统（基于标记点）
被动光学系统使用表面覆盖反射材料的标记球（通常为红外反光材料）。多台高速摄像机从不同角度同时拍摄，通过标记点反射的强光实现点识别。系统利用多目视觉算法计算出每个标记点在三维空间中的位置。其优点是精度极高（亚毫米级），且标记点无需供电；缺点是标记点易受遮挡，且需要复杂的光学环境（如控制光照与背景色调）。
2.1.2 主动光学系统（基于LED标记）
主动光学系统使用自身发光的LED标记点替代反光材料。每个标记点按预设时序闪烁（如不同频率），摄像机通过同步信号识别对应标记。由于LED发光强度可调，主动系统在户外或远距离场景更具优势，且不易受环境反射干扰。但标记点需要电池供电，增加了重量与维护成本，多用于舞台表演或体育训练。
2.1.3 无标记点光学系统（基于深度/视频）
无标记点系统利用深度传感器（如红外结构光、飞行时间技术）或普通视频图像直接捕捉人体轮廓和姿态，而无需在演员身上粘贴标记。它通过计算机视觉算法（如姿态估计神经网络）从像素中直接解析关节位置。优点是操作便捷、穿戴舒适，适合大规模实时应用（如游戏体感控制）；缺点是精度和鲁棒性受光照、背景复杂度等因素限制，尚难以达到高端电影制作的要求。
2.2 惯性式动作捕捉
惯性式动作捕捉依靠附着在身体各部位的微型惯性测量单元（IMU）来测量运动，不依赖外部光学信号。
2.2.1 惯性传感器（IMU）原理
惯性传感器集成了加速度计、陀螺仪和磁力计。加速度计测量线性加速度，陀螺仪测量角速度，通过时间积分可获得位移和旋转角度。多个IMU分别固定在演员的四肢、躯干等关键部位，传感器之间的相对姿态经过融合算法可重建全身动作。优点是完全不受遮挡影响，可在任意光照、室内外环境下工作；缺点是积分导致的累积漂移误差随时间增加。
2.2.2 磁力辅助与漂移校正
为抑制惯性传感器的漂移，系统中常引入磁力计（电子罗盘）提供地磁场参考方向，或使用外部磁源校准。磁力辅助可有效校正旋转角度，但容易受到金属物体和强电磁场的干扰。另一种常见策略是结合光学标签或特定的身体姿态（如站直、手臂平伸）执行周期性零点重置。在商用惯性动捕套装（如Xsens）中，融合算法会动态权衡加速度计、陀螺仪与磁力计的数据，将长期漂移控制在可接受范围内。
2.3 机械式动作捕捉
机械式动作捕捉通过刚性外骨骼或连杆结构直接测量关节角度，属于最经典但略显笨重的方案。
2.3.1 外骨骼架与连杆结构
演员需穿戴一套由刚性杆件和旋转编码器构成的机械外骨骼。编码器安装在各个关节节点处，当肢体运动时，连杆带动编码器转动，输出角度值。系统通过几何模型将关节角度换算为肢体末端位置。该方案优点是完全不受光学遮挡和电磁干扰，数据稳定；缺点是由于外骨骼的物理限制，运动范围受限，且穿戴后舒适度较低。
2.3.2 应用场景与局限性
机械式系统多用于机器人控制、虚拟现实手套或早期动画制作领域。由于其笨重、需要精确机械调校，且无法捕捉大范围或高速运动，目前在消费级和影视主流应用中已几乎被淘汰。但在某些需要极高角度精度且环境严苛的场景（如外太空、水下）仍有少量应用。
2.4 电磁式动作捕捉
电磁式动作捕捉利用低频磁场在空间中测定传感器位置和方向。
2.4.1 磁场发生器与接收器
系统包括一个或多个磁场发生器（发射天线）和多个小型接收器线圈。发送器产生已知分布的磁场，接收器测量磁场方向与强度。通过解算磁场梯度，系统可确定每个接收器相对于发生器的三维位置和旋转角度。接收器通常固定在被捕捉对象的各个关节部位。
2.4.2 抗干扰特性
电磁式系统的优点是无遮挡问题，且接收器很小，便于穿戴。但其对周围环境非常敏感：金属物体（如钢筋、钢椅）会扭曲磁场导致误差，电器设备（如显示器、变压器）也会产生干扰。因此，使用场景通常需要隔离金属，或采用动态校准算法补偿干扰。目前该技术主要应用于医疗手术导航和某些特殊工业动作捕捉中，消费级产品较少见。
3 数据处理流程
从传感器原始信号到驱动虚拟角色，动作捕捉数据需经过一系列处理步骤，确保结果的平滑性与一致性。
3.1 原始数据采集
系统在采集阶段接收来自各传感器的原始信号。对于光学系统，这包括标记点的二维图像位置或深度图像；对于惯性系统，则为加速度、角速度与磁力值；对于机械和电磁系统，分别是编码器角度或磁场强度。原始数据通常以高速率（60–1000Hz）流式写入计算机内存或存储设备，同时附有时间戳以便同步。
3.2 数据清洗与滤波
原始数据中不可避免存在噪声，如光学标记点的闪烁、传感器电子噪声或电磁尖峰干扰。数据清洗先使用滤波器（如低通巴特沃斯滤波器、卡尔曼滤波器）去除高频噪声，保留运动的主频成分。同时，系统会检测并修复丢失点（如因遮挡）——通过插值算法、预测或最近邻匹配填补缺失帧。粗大误差（如跳跃点）也需要剔除，避免影响后续解算。
3.3 运动重建与骨骼解算
清洗后的数据需映射至预设的骨骼模型。对于光学系统，首先根据标记点的空间分布识别其对应的身体部位（手动或自动标记），随后利用逆运动学（IK）或标记点聚类算法求解关节旋转角度。惯性系统则通过传感器融合算法（如扩展卡尔曼滤波）将加速度和角速度转换为绝对姿态，再结合肢体长度约束重建骨骼结构。运动重建的目的是输出每个关节每个时刻的旋转数据，通常以BVH或FBX等标准格式保存。
3.4 数据映射与驱动模型
获得的运动数据最终需“让数字模型动起来”，这涉及将关节旋转应用于3D角色模型。
3.4.1 线性混合蒙皮（LBS）
线性混合蒙皮是最常见的实时驱动方法。模型中的每个顶点被绑定到多个关节上，每个关节赋予一个权重，顶点位置是多个关节变换的加权平均值。LBS计算速度快，适合游戏和实时应用，缺点是关节附近可能出现“折痕”或“橡皮筋效应”，需要配合精细的权重和修形目标来改善。
3.4.2 径向基函数（RBF）映射
径向基函数映射是一种非线性的数据驱动方法。它将捕获的动作数据输入RBF网络，输出对应角色的肌肉形变或面部表情参数。RBF能够捕捉肌肉鼓胀、皮肤滑动等复杂变形，常用于高保真电影制作和面部动画。但RBF需要大量训练样本，且计算量较大，不适合实时场景。
4 应用领域
动作捕捉技术已渗入多个行业，从娱乐到科研，展现出广泛的应用价值。
4.1 影视与动画制作
电影和动画产业是动作捕捉最经典的应用领域。
4.1.1 虚拟角色表演捕捉
演员穿着动捕服表演，系统将其动作实时映射到CG角色上。代表性作品如《阿凡达》采用面部和全身动捕驱动纳美人，以及《猩球崛起》系列中的凯撒角色。这种技术大幅提升了虚拟角色的真实感与情感表现力。
4.1.2 特效与CG合成
动作数据也可用于合成大规模人群、替身动作或危险场面。导演在后期可以修改捕捉到的动作，实现符合剧情需要的夸张或修正。同时，动捕数据配合粒子系统、刚体模拟可生成复杂特效，如爆炸中的人物奔跑。
4.2 游戏与交互娱乐
在电子游戏中，动作捕捉使角色动作更加自然流畅。
4.2.1 实时动捕与角色控制
AAA级游戏（如《最后生还者》《战神》）的制作中，演员在专门的动捕棚内排练并记录动作，动画师对数据进行精修后嵌入游戏引擎。实时动捕也用于直播表演（如VTube角色），驱动虚拟偶像做出实时反应。
4.2.2 玩家动作映射
体感游戏类（如任天堂Wii的物理动作、微软Kinect的姿态识别）通过玩家的动作输入控制游戏角色。消费者可以使用简单的深度相机或惯性设备将自己的动作直接映射到游戏虚拟角色，实现健身、舞蹈、格斗等互动。
4.3 体育与运动科学
动作捕捉为体育训练提供精确定量分析。
4.3.1 运动员技术分析
通过捕捉高尔夫挥杆、游泳划臂或篮球投篮的关键运动学数据，教练可以量化关节角度、速度和加速度，找出技术偏差。例如，分析标枪运动员的出手角度与身体重心移动，优化发力姿势。
4.3.2 运动损伤预防
动作捕捉可识别异常步态或不对称受力模式，提示运动员潜在的受伤风险。在康复科学中，对受伤运动员下蹲、跳跃的动作进行对比分析，辅助制定预防和训练方案。
4.4 医疗与康复
在临床环境中，动作捕捉提供了客观的运动功能评估。
4.4.1 步态分析
利用动捕系统记录患者在平地上的行走过程，生成步态周期的时空参数（步长、步宽、足偏角）及关节角度曲线。可用于诊断帕金森病、脊髓损伤及脑卒中后遗症，并评估手术或药物疗效。
4.4.2 康复训练评估
患者在康复训练时穿戴动捕设备，系统实时反馈动作质量（如姿态角度是否达标），并记录训练进度。虚拟现实结合动捕可设计沉浸式康复游戏，提升患者依从性。假肢适配和矫形器设计也可参考动捕数据。
4.5 虚拟现实与增强现实
动作捕捉是实现VR/AR中自然交互的关键。
4.5.1 全身浸入式交互
在VR中，玩家通过动捕准确再现本人姿态，实现与现实对象的虚拟握手、拾取、格挡等动作。全身动捕让玩家在元宇宙中获得“存在感”，而非仅通过手柄进行有限操作。
4.5.2 远程操控与培训
VR培训（如手术模拟、高危作业）利用动捕追踪学员操作流程，提供反馈。远程机器人操控（如排爆机械臂）中，操作员的动作被捕捉后传输到机器人端，实现手势控制。
5 关键技术挑战
尽管动作捕捉技术日趋成熟，仍面临若干通用难题制约其性能与普及。
5.1 遮挡与多目标识别
光学式系统最大的敌人是遮挡——当两个标记点或传感器在摄像机视角下重合时，系统无法区分各自身份。多人同时捕捉时，交叉遮挡问题加剧。解决方案包括增加摄像机数量、使用光学标记ID编码（LED闪烁序列）或结合惯性数据预测轨迹。深度学习算法也被用于从部分遮挡中恢复完整姿态。
5.2 实时性与延迟控制
实时应用（如VR、直播动捕）要求从捕捉到渲染的端到端延迟低于20毫秒以避免眩晕。高采样率、大数据传输以及复杂解算都会引入延迟。优化算法（如固定点迭代、预处理压缩）和采用专用硬件处理器（FPGA）可降低延迟，但平衡精度与速度始终是难题。
5.3 环境干扰（光照、电磁、震动）
光学系统受强烈阳光、反光物体影响；惯性系统容易受温度漂移和平台震动干扰；电磁系统则对金属敏感。算法层面需引入鲁棒噪声模型、自适应滤波，硬件层面可加强防抖和屏蔽，但完全消除干扰仍不现实。
5.4 数据压缩与传输
高精度动作捕捉每秒产生MB级别的数据流（尤其是多摄像头视频）。在无线传输或远程协作场景中，带宽压力巨大。需要高效压缩算法（如基于运动预测的编解码）同时保留动作关键特征。此外，云渲染对数据封装格式（如JSON、Binary）的标准化提出要求。
6 发展历程
动作捕捉技术随计算机硬件与传感技术的发展不断进化。
6.1 早期光学与机械系统（20世纪70-80年代）
1970年代，计算机图形学先驱开始尝试使用电影胶片拍摄标记点，以逐帧分析运动（如自行车骑行动画）。1980年代出现商用机械式动捕，如SimGraphics公司的外骨骼系统，主要用于飞行模拟器。同期，光学系统如Vicon的前身（Oxford Metrics）开始应用被动反光标记点，但摄像机数量少、计算慢。
6.2 数字电影与游戏驱动（90年代）
1990年代，CG电影（《终结者2》《侏罗纪公园》）需要更自然的动画，催生了高性能光学动捕系统。1999年的《星球大战前传1》首次大规模使用数字角色与动捕。游戏业也受益于动捕，如《古墓丽影》和《最终幻想》系列角色动画。同时，计算机性能提升使实时预览成为可能。
6.3 低成本惯性系统兴起（21世纪初）
2000年代初，微机电系统（MEMS）发展使惯性传感器成本下降，Xsens等荷兰公司推出首套无线惯性动捕服。该系统不需要复杂的光学设置，在室内外均可使用，极大降低了动捕门槛。Wii遥控器（2006）首次将惯性传感引入家庭娱乐，标志着动捕大众化开端。
6.4 深度学习和无标记捕捉（2010年代至今）
2010年代，深度传感器（Microsoft Kinect）和开源姿态估计库（如OpenPose、MediaPipe）出现，推动无标记点动捕技术突飞猛进。深度学习模型能从单目RGB视频中实时推断3D姿态，精度逐年接近标记点水平。2020年代，苹果、Meta等公司大力研发基于头显的全身动捕，利用头显与手环传感器结合AI提供廉价的全身跟踪方案。
7 主要设备与厂商
动作捕捉市场由几家专业厂商主导，各具特色。
7.1 Vicon 光学系统
Vicon（英国）是高端光学动捕的标杆，采用多台高速红外摄像机（如Vicon Vantage系列），精度达0.1毫米，广泛用于电影制作与科研。其配套软件Nexus提供全流程处理，支持实时数据流，但系统价格昂贵、搭建复杂。
7.2 OptiTrack 与 Motive 软件
OptiTrack（美国NaturalPoint公司）以高性价比著称，摄像机（Prime系列）较小巧，适合中小型工作室和VR空间。其Motive软件支持全身和面部动捕、刚体追踪，延迟低，在SteamVR定位系统和虚拟偶像直播中常见。
7.3 Xsens 惯性套装
Xsens（荷兰，现已被Movesense合并）是惯性动捕的领军者，代表作MVN Link套装包含17个MEMS传感器，通过无线技术实时传输全身动作。自带融合算法漂移小、抗磁干扰，已用于游戏、电影和运动分析（如《复仇者联盟》幕后制作）。
7.4 Leap Motion 手部捕捉
Leap Motion（UltraLeap）专注于手部精细追踪，通过双目红外摄像头捕捉手掌、手指关节运动。产品小、更新快，广泛用于VR手势交互和艺术创作，但不适合全身捕捉。
7.5 微软 Azure Kinect 深度传感器
Azure Kinect是深度传感器与AI加速器的结合，利用TOF测距和RGB摄像头实时追踪人体上半身。其开发者工具包支持简易的姿态估计，成本低且易于集成，适合教育、医疗原型和体感应用开发。
8 未来趋势
动作捕捉技术正朝着更智能、更便携、更融合的方向发展。
8.1 人工智能驱动的姿态预测
AI模型（如Transformer、图卷积网络）已能实现从部分观测或低分辨率数据预测完整姿态。未来，即使传感器缺失或数据不完整，AI也能补全动作，甚至根据语音或文字指令生成与之匹配的肢体语言。姿态预测还可用于提前半秒修正延迟，消除实时交互中的不适感。
8.2 无线高精度传感器
毫米波雷达、柔性电子皮肤等新型传感器正在研发中，可实现无线、无束缚的高精度追踪。传感器更小、更轻（如织物嵌入式），能够长时间穿戴而不影响体验。能量采集（自供电）技术有望解决传感器电池寿命问题。
8.3 多模态融合（光学+惯性+肌电）
单一传感方式难以应对所有环境。未来系统将融合光学、惯性、肌电（EMG）、应变传感器等多种信号，通过神经网络进行自适应加权融合。这样的系统能够在遮挡时用惯性补位、在电磁干扰时依赖光学，同时加入肌电信号预测肌肉激活状态，实现更逼真的角色驱动（例如手指微颤、肌肉鼓胀）。
8.4 大众化应用（消费级产品与元宇宙）
随着VR/AR头显、智能手表、手机摄像头的普及，用户不再需要专用动捕棚即能进行基础动作捕捉。元宇宙中，用户通过消费级设备（如Apple Vision Pro的视线+手势、Meta的全身追踪套件）在虚拟世界代表自己的数字分身。低成本、易使用的动捕技术将推动虚拟社交、在线教育、远程协作等领域爆炸式发展，最终使动作捕捉像键盘鼠标一样成为日常交互的组成部分。