Wat is Keypoint Detection?

Wat zijn keypoints eigenlijk?

Stel je voor dat je een foto van iemand maakt die danst. Jouw oog ziet meteen de belangrijkste punten: waar de schouders zitten, waar de ellebogen buigen, waar de handen eindigen. Die punten vertellen het verhaal van de beweging. Keypoint detection doet precies hetzelfde, maar dan automatisch met AI.

Een keypoint (letterlijk: sleutelpunt) is een specifieke plek in een beeld die iets belangrijks markeert. Denk aan de punt van een neus, de hoek van een oog, de knokkels van een hand, of de hoeken van een deur. AI-modellen leren deze punten te herkennen door duizenden voorbeelden te zien waar mensen die punten hebben aangegeven. Na die training kan het model op nieuwe foto's of video's zelf die punten vinden — zonder dat er iemand meer met een stift hoeft aan te wijzen.

Hoe werkt het eigenlijk?

Een keypoint detection-model krijgt een afbeelding binnen en geeft coördinaten terug: "Op positie (245, 189) zit de linker elleboog, op (301, 156) de rechter schouder", enzovoort. Vaak werkt het in combinatie met een neural network dat eerst het object of de persoon lokaliseert, en daarna binnen dat gebied de exacte punten berekent.

Bij mensen wordt vaak een skelet van 17 of 25 punten gebruikt: hoofd, schouders, ellebogen, polsen, heupen, knieën, enkels. Bij gezichten kunnen het wel 68 of meer punten zijn — rond de ogen, wenkbrauwen, neus, mond. Bij handen: alle knokkels en vingerpunten. Het model leert niet alleen wáár die punten zitten, maar ook hoe ze zich tot elkaar verhouden — een elleboog zit altijd tussen een schouder en een pols.

Een voorbeeld uit de praktijk

Een fitness-app die je squats telt, gebruikt keypoint detection om je knieën, heupen en enkels te volgen. Het model ziet in real-time of je diep genoeg zakt en of je knieën niet naar binnen klappen. Geen dure sensoren nodig — alleen je telefoon-camera.

Of denk aan een selfie-filter die een bril op je gezicht plakt. De app detecteert eerst je ogen, neus en oren (de keypoints), en plakt de bril precies op de juiste plek — ook als je je hoofd draait of beweegt.

In de mode-industrie wordt het gebruikt om virtuele kleding op modellen te projecteren. Het model detecteert schouders, taille, heupen en knieën, zodat een jurk natuurlijk meevalt met de lichaamsvorm.

Waar kom je het tegen?

• Smartphone-apps: Snapchat, Instagram, TikTok — filters die maskers, brillen of make-up op je gezicht projecteren

• Fitness & gezondheid: apps als Freeletics, Nike Training Club, of fysiotherapie-apps die je houding analyseren

• Gaming & VR: motion capture voor avatars, handtracking in VR-headsets

• Sport-analyse: video-analyse van voetballers, tennissers of atleten om techniek te verbeteren

• Zelfrijdende auto's: detectie van voetgangers en hun bewegingsrichting

• Film & animatie: motion capture voor CGI-personages, waarbij acteurs met stippen op hun lichaam worden gefilmd

Bekende tools die dit ondersteunen zijn OpenPose (open-source voor pose detection), MediaPipe (van Google, voor gezicht/hand/pose), en DeepLabCut (wetenschappelijk onderzoek naar diergedrag).

Waarom zou jij hier iets aan hebben?

Als je een app of dienst bouwt waarbij beweging, gezichtsuitdrukkingen of interactie met fysieke objecten centraal staat, is keypoint detection een krachtige bouwsteen. Je hoeft geen dure hardware — een gewone camera volstaat. En omdat de techniek steeds sneller wordt, werkt het inmiddels ook real-time op een smartphone.

Wil je ermee experimenteren? MediaPipe heeft kant-en-klare oplossingen die je met een paar regels code in je app kunt integreren. Of probeer OpenPose als je wat meer controle wilt. Beide zijn gratis te gebruiken voor experimenten.