Los sistemas de captura de movimiento basados en marcadores tridimensionales son el estándar de oro para evaluar patrones cinemáticos en el movimiento humano, ofreciendo una cuantificación precisa de las posiciones de segmentos y articulaciones. Sin embargo, los sistemas tradicionales basados en marcadores presentan varios desafíos, especialmente para niños con discapacidades neurológicas y anomalías del procesamiento sensorial, como las observadas en niños con parálisis cerebral. Estos desafíos dificultan el uso de marcadores cinemáticos y limitan los análisis detallados de los patrones de movimiento. Los avances recientes en sistemas de captura de movimiento sin marcador que utilizan estimación de poses humanas basada en aprendizaje profundo nos permitieron explorar alternativas rentables a los sistemas ópticos tradicionales y a los enfoques posteriores de procesamiento de datos. Se desarrolló una caja de herramientas integrada, combinando múltiples tecnologías de captura de movimiento: equipos cinemáticos de nivel de investigación, clústeres cinemáticos, unidades de medición inercial, sistemas tridimensionales (3D) sin marcadores y sistemas bidimensionales (2D) sin marcadores con cámaras comercialmente disponibles (a través de MediaPipe). Para este estudio actual, presentamos los resultados de la captura de movimiento basada en marcadores 3D frente a la captura de movimiento sin marcador 2D, el principal problema en los estudios biomecánicos de sujetos humanos, para describir patrones coordinativos mediante gráficos ángulo-ángulo cadera-rodilla. El enfoque del ciclograma fue seleccionado porque ofrece una métrica robusta y un marco fácilmente interpretable para analizar la coordinación mediante el movimiento acoplado entre segmentos del cuerpo. Dos niños con desarrollo típico y dos niños con parálisis cerebral realizaron un patrón de movimiento funcional, la tarea de sentarse para ponerse de pie. Los hallazgos aquí demostraron la viabilidad de integrar sistemas multimodales para análisis cinemáticos, proporcionando flexibilidad tanto para la investigación como para entornos clínicos. Además, el novedoso enfoque de código abierto presentado en este trabajo aborda los retos que plantean muchas poblaciones de pacientes que experimentan problemas de procesamiento sensorial, permitiendo un plan de atención avanzado e individualizado.