Precies weten wanneer uw voet de grond raakt en wanneer hij weer loskomt, is een van de meest fundamentele onderdelen van een nauwkeurige loopanalyse. Deze momenten, bekend als voetlanding (eerste contact) en afzet, beïnvloeden de pasfrequentie, de stapmechanica, belastingspatronen en asymmetrieën, en uiteindelijk hoe nauwkeurig we uw hardlooptechniek en blessurepreventiestrategie kunnen begeleiden.
Als onderdeel van onze voortdurende inzet om de biomechanische nauwkeurigheid te vergroten, hebben we onlangs verschillende nieuwe algoritmen getest om deze sleutelmomenten te detecteren in zijaanzichtvideo's van loopbandlopen.
Zie het als het leren van ons systeem om het exacte videobeeld te vinden waarop uw voet neerkomt of loskomt, met bijna laboratoriumprecisie.
Wat we hebben getest
Ons team vergeleek meerdere detectiemethoden op dezelfde dataset van video's van hardlopen op de loopband. Elke methode werd beoordeeld op:
- Nauwkeurigheid: herkent ze correct het ware moment van voetlanding of afzet?
- Precisie: hoe dicht ligt de detectie bij het exacte videobeeld?
- Robuustheid: houdt ze stand bij verschillende snelheden, voetlandingen en loperprofielen?
- Foutpercentage: hoe vaak mist ze een gebeurtenis of detecteert ze er ten onrechte een?
📊 Wat we hebben gevonden
1. Voetlanding detecteren (eerste contact)
Twee nieuwe methoden presteerden duidelijk beter dan ons huidige systeem.
• Best presterende methode: 99,6% nauwkeurigheid
Deze methode mist vrijwel nooit een landing en zit minder dan één videobeeld ernaast, een precisieniveau dat voorheen alleen haalbaar was met motion-capturesystemen van laboratoriumkwaliteit.
• Op één na beste methode: 97,4% nauwkeurigheid
Ook deze aanpak leverde uitstekende resultaten op, met slechts 2 valse positieven in de hele test. Ze is zeer betrouwbaar en stabiel bij verschillende looppatronen.
Samen presteerden deze twee methoden 2–3× beter dan onze huidige productiemethode.
2. Afzet detecteren (voet verlaat de grond)
Afzet is notoir moeilijker te detecteren, zelfs in gecontroleerde biomechanicalaboratoria. Maar één nieuwe methode viel duidelijk op:
• Beste afzetmethode: 92,7% nauwkeurigheid
Deze methode presteerde aanzienlijk beter dan onze bestaande aanpak en liet uitstekende consistentie zien bij verschillende snelheden en voetlandingspatronen.
Net als bij voetlanding verminderde de nieuwe aanpak het aantal fouten sterk en leverde ze een veel nauwkeurigere beeldprecisie op.
💡 Waarom dit belangrijk is
Deze verbeteringen zijn niet louter academisch, ze vertalen zich rechtstreeks in een betere ervaring voor hardlopers en betrouwbaardere coachinginzichten.
Wat de nieuwe methoden opleveren:
- 2–3× nauwkeurigere detectie in vergelijking met onze huidige pipeline
- Tot 85% minder fouten, waardoor analyses stabieler en betrouwbaarder worden
- Betere precisie voor meetwaarden zoals pasfrequentie, contacttijd, symmetrie van de pas, grondreactiepatronen en belastingsfasen
- Verbeterde robuustheid bij verschillende loopstijlen, snelheden en schoenen
- Klaar voor tests in de praktijk in de Ochy-app
Voor hardlopers betekent dit betrouwbaardere gegevens, bruikbaardere inzichten en een analyse die beter de werkelijkheid van uw hardlooptechniek weergeeft.
Voor coaches en medische professionals vergroot het het vertrouwen in en de herhaalbaarheid van onze op gebeurtenissen gebaseerde meetwaarden, voor duidelijkere voortgangsbewaking en nauwkeurigere besluitvorming.
Wat volgt
Deze best presterende methoden gaan nu in gebruikerstests als onderdeel van onze lopende roadmap voor nauwkeurigheidsverbeteringen. Zodra ze gevalideerd zijn op grootschalig, realistisch beeldmateriaal (smartphones, hoeken, lichtomstandigheden), worden ze ingezet in de live analyse-engine van Ochy.
Dit is slechts één stap in onze inzet om de grenzen van biomechanica op basis van smartphones steeds verder te verleggen, en laboratoriumnauwkeurigheid naar elke hardloper te brengen, overal ter wereld.
