面部动作捕捉，又称“面部表情捕捉”，是动作捕捉的一个分支。最早的相关文献见于：Performance-Driven Facial Animation.Lance Williams.1990
最早的面部动作捕捉依靠机械装置测量面部运动。这种机械通过关节中的角传感器监视角度变化，通过连接杆的长度计算固定点（嘴眼等关键位置）的空间运动轨迹和位置。虽然精度高，但是使用起来相当不便，现已退役。
现在的面部动作捕捉设备多基于光学：
1.二维光捕捉。通过机器学习等方式分析镜头输入的图像，以捕捉面部表情。是一种简单易用且低成本的方式，但精度较低。
2.三维光捕捉。
2.1 相机阵列 将相机部署在不同的角度，获得二维以外的第三维——深度。精度高、效果好，但是成本高，人物不能随意移动。算法如：主观表现模型（AAM)、主成分分析(PCA)。系统如：MOVA, Dynamixyz等。
2.2 结构光 通过光学镜头以外的设备（红外、泛光照明灯、反光感应元件、点阵投影器等）获得深度信息。某些手机（iPhone系列、华为小米的个别高端机型）装载了点阵投影器，可以向脸部投射不可见光点阵，红外镜头读取变化后的点阵数据，结合光学图像，通过内置算法生成三维数据。
2.3 标记点 通过放置在面部的标记点（绘制、粘贴，甚至直接涂抹荧光材料）,为设备提供三维信息。
较为成熟的应用：iPhone(一个手机）、Faceware（头盔式单相机）、Cara（多相机、标记点）、Face/Off（向脸部投影）、 MOVA（涂抹荧光材料）