Marker-based vs. markerless motion capture: welke techniek past bij jouw bewegingsanalyse?
Geschreven door: Bewegingswetenschapper Tom Panneman
Motion capture is niet meer weg te denken uit de biomechanica, sportwetenschap en revalidatie. Van loopanalyses in het ziekenhuis tot prestatieanalyses van topsporters: het objectief meten van beweging helpt onderzoekers en zorgprofessionals om beter inzicht te krijgen in hoe mensen bewegen.
De technologie achter motion capture ontwikkelt zich echter razendsnel. Waar marker-based motion capture jarenlang de onbetwiste standaard was, winnen markerless technieken steeds meer terrein. Betekent dit dat marker-based systemen hun beste tijd hebben gehad? Of hebben beide technieken hun eigen plaats binnen bewegingsanalyse? Of kunnen de systemen zelfs gecombineerd worden?
Marker-based motion capture: nog altijd de referentiestandaard
Bij marker-based motion capture worden reflecterende markers op anatomische oriëntatiepunten van het lichaam geplaatst. Meerdere infraroodcamera’s registreren deze markers, waarna software de driedimensionale beweging van het lichaam reconstrueert.
Systemen zoals Vicon worden al tientallen jaren gebruikt binnen onderzoek, topsport en de klinische praktijk en gelden nog steeds als de referentiestandaard voor biomechanische analyses.
Marker-based motion capture kent echter ook beperkingen. Het plaatsen van markers kost tijd, vraagt ervaring en blijft gevoelig voor variatie tussen onderzoekers. Daarnaast kunnen markers verschuiven ten opzichte van het onderliggende bot (soft tissue artefact), wat invloed heeft op de berekende gewrichtshoeken. Bij complexe bewegingen kunnen markers bovendien tijdelijk aan het zicht van meerdere camera’s worden onttrokken (occlusie), waardoor aanvullende reconstructie noodzakelijk is.
Markerless motion capture: AI verandert bewegingsanalyse
Markerless motion capture maakt gebruik van meerdere videocamera’s en deep-learning algoritmen om lichaamssegmenten automatisch te herkennen en driedimensionaal te reconstrueren. Er zijn inmiddels meerdere high-end oplossingen beschikbaar, waaronder Theia en Vicon Markerless. Daarnaast bestaan er ook low-end opties die onder het professionele segment vallen.
Bij deze techniek zijn geen markers of speciale kleding nodig. Dat verkort de voorbereidingstijd aanzienlijk en maakt het mogelijk om bewegingen te analyseren zonder de natuurlijke bewegingsuitvoering te beïnvloeden.
Het grote voordeel zit daarom vooral in de efficiëntie, reproduceerbaarheid en gebruiksvriendelijkheid. Grote groepen deelnemers kunnen sneller worden gemeten en er is minder afhankelijkheid van de ervaring van de onderzoeker.
Hoewel zowel marker-based als markerless oplossingen een camera-opstelling vereisen, biedt markerless meer flexibiliteit wanneer metingen buiten een traditioneel bewegingslab plaatsvinden. Omdat deelnemers geen markers hoeven te dragen, blijven natuurlijke bewegingen behouden en kan eenvoudiger worden gemeten tijdens sporttrainingen, op een atletiekbaan of in andere praktijkomgevingen. Daarnaast kunnen meerdere personen gelijktijdig worden gevolgd, wat interessante mogelijkheden biedt voor teamsporten, groepsanalyses en interacties tussen meerdere personen.
Verschillen en overeenkomsten
In de praktijk staat motion capture zelden op zichzelf. Voor veel onderzoekers en clinici is het minstens zo belangrijk hoe eenvoudig een systeem kan worden gecombineerd met krachtplaten, EMG, drukzooltjes, eye-tracking of andere sensoren. Ook de beschikbaarheid van rapportagesoftware, API’s en koppelingen met third-party software speelt een grote rol bij de keuze voor een systeem. Op dit gebied beschikken marker-based systemen over een lange geschiedenis en zeer uitgebreide integratiemogelijkheden. Ook markerless oplossingen maken hierin een snelle ontwikkeling door. Zo kan het algoritme van Theia tegenwoordig worden gekoppeld aan Vicon Nexus, de software waarmee Vicon-systemen binnen de bewegingsanalyse worden aangestuurd.
Al geruime tijd staat Vicon erom bekend objecten goed te kunnen tracken. Dit wordt ingezet binnen de engineering wereld. Ook markerless technieken worden steeds vaker onderzocht voor het automatisch herkennen en volgen van objecten, al is dit nog volop in ontwikkeling. Denk hierbij aan sportmaterialen zoals tennisrackets, golfclubs of ballen, maar ook aan hulpmiddelen zoals krukken en protheses. Hierdoor ontstaan nieuwe mogelijkheden voor sportanalyse en klinisch onderzoek. Buiten de biomechanica worden vergelijkbare AI-technieken toegepast binnen de entertainmentindustrie, animatie en virtual production. Voor toepassingen zoals robotica, autonome drones of industriële automatisering gelden vaak andere eisen aan snelheid, nauwkeurigheid en realtime besturing, waardoor de marker-based systemen, daar geschikter voor zijn. Ook hybride opstellingen zijn hierbij mogelijk, waarbij markerless en marker-based technieken worden gecombineerd.
Een belangrijk verschil zit in de verwerking van de data. Marker-based systemen bieden al jarenlang uitgebreide mogelijkheden voor realtime visualisatie en biofeedback tijdens metingen. Markerless oplossingen verwerken videobeelden doorgaans achteraf met behulp van krachtige GPU’s. Dankzij de toenemende rekenkracht verloopt deze verwerking steeds sneller, ook bij langere opnames. Waar Theia nog niet de mogelijkheid vindt voor real-time feedback, kan Vicon markerless dat wel.
Wanneer motion capture wordt ingezet binnen de klinische praktijk kan ook medische certificering een rol spelen. Sommige marker-based systemen, zoals Vicon, zijn beschikbaar als medisch gecertificeerde oplossing, waar dat voor markerless oplossing minder vaak geldt. Bij toepassingen waarbij motion capture onderdeel is van klinische besluitvorming is het daarom verstandig om ook de certificering van de gekozen oplossing mee te nemen in de afweging.
Een ander belangrijk verschil tussen beide technieken is de maximale meetfrequentie. Marker-based camera’s kunnen, afhankelijk van het systeem, met honderden tot zelfs duizenden beelden per seconde meten. Dat maakt ze bijzonder geschikt voor zeer snelle bewegingen, impactanalyses en toepassingen waarbij maximale temporele resolutie vereist is. Markerless oplossingen werken doorgaans met standaard videocamera’s en meten daardoor meestal tussen ongeveer 60 en 200 Hz. Voor de meeste toepassingen binnen loopanalyse, sportprestatie, revalidatie en klinisch onderzoek is dit ruim voldoende. Voor zeer snelle bewegingen of impactanalyses blijft marker-based motion capture momenteel de beste keuze.
Hoe nauwkeurig is markerless motion capture?
Een veelgestelde vraag is of markerless motion capture inmiddels net zo nauwkeurig is als marker-based systemen. Het antwoord is genuanceerd.
Een recente systematische review van Varcin en Boocock (2026) analyseerde zestien studies waarin AI-gebaseerde markerless motion capture werd vergeleken met traditionele marker-based systemen, waaronder Vicon. De auteurs concluderen dat markerless motion capture voor veel biomechanische toepassingen inmiddels een goede tot uitstekende validiteit en betrouwbaarheid laat zien. Vooral spatiotemporele parameters, zoals loopsnelheid, staplengte en cadans, vertonen een zeer hoge overeenkomst met marker-based systemen (ICC > 0,90). Ook gewrichtshoeken in het sagittale vlak komen over het algemeen goed overeen.Voor bewegingen in het frontale vlak worden eveneens goede resultaten gevonden.De grootste verschillen worden nog gevonden bij rotaties in het transversale vlak en sommige heupbewegingen. Volgens de auteurs worden deze verschillen niet uitsluitend veroorzaakt door trackingfouten, maar ook door verschillen in de biomechanische modellen waarop marker-based en markerless oplossingen zijn gebaseerd.
Ook de systematische review van Yoma et al. (2025a) concludeert dat markerless motion capture inmiddels betrouwbaar genoeg is voor veel functionele en sport-gerelateerde bewegingen. Wel adviseren de auteurs voorzichtigheid wanneer zeer kleine hoekverschillen klinisch relevant zijn of wanneer maximale biomechanische nauwkeurigheid vereist is.
Wanneer is 2D voldoende?
Niet iedere bewegingsanalyse vraagt om een volledige 3D-reconstructie. In veel fysiotherapeutische of sportpraktijken is het belangrijker om snel en eenvoudig inzicht te krijgen in een bewegingspatroon.
Software van Contemplas maakt gebruik van AI-ondersteunde 2D markerless tracking. Met maar 2 camera’s kunnen gewrichtshoeken en bewegingspatronen automatisch worden gevolgd, waardoor analyses veel sneller uitgevoerd kunnen worden.
Hoewel een 2D-analyse vanzelfsprekend minder informatie bevat dan een volledige 3D-reconstructie, is deze voor veel toepassingen, zoals screenings, simpele gangbeeldanalyses en hardloopanalyses vanuit het frontale en sagittale vlak, vaak meer dan voldoende. Daarmee vormt 2D markerless analyse een laagdrempelige oplossing voor zorgprofessionals en trainers die snel objectieve bewegingsdata willen verzamelen.
Welke techniek past het beste bij jouw toepassing?
De vraag is uiteindelijk niet welke techniek beter is, maar welke techniek het beste aansluit bij de onderzoeksvraag.
Wanneer maximale nauwkeurigheid en hoge meetfrequenties essentieel zijn, bijvoorbeeld voor fundamenteel biomechanisch onderzoek, blijft marker-based motion capture, zoals Vicon de referentiestandaard.
Wanneer snelheid en gebruiksgemak belangrijker zijn, biedt een 3D markerless oplossing zoals Theia of Vicon markerless belangrijke voordelen. De voorbereidingstijd is korter, deelnemers bewegen natuurlijker en er kunnen meerdere mensen tegelijk gemeten worden.
Voor toepassingen waarbij beweging voornamelijk in één vlak wordt beoordeeld, kan AI-gestuurde 2D-videoanalyse met software van Contemplas een efficiënte en kosteneffectieve oplossing zijn.
Conclusie
Motion capture ontwikkelt zich razendsnel. Marker-based systemen vormen nog altijd de gouden standaard wanneer maximale nauwkeurigheid vereist is. Tegelijkertijd laat de wetenschappelijke literatuur zien dat moderne markerless oplossingen voor veel biomechanische toepassingen inmiddels een hoge validiteit en betrouwbaarheid bereiken.
De keuze tussen marker-based, 3D markerless en 2D markerless draait daarom niet om welke techniek “het beste” is, maar om welke techniek het beste past bij de vraag die je wilt beantwoorden. Juist door de sterke punten van iedere methode te begrijpen, kan voor iedere toepassing de meest geschikte keuze worden gemaakt.
Hulp nodig?
Bewegingswetenschapper Tom Panneman geeft cursussen, trainingen en support
Bronnen
Crespeau, S., da Silva, E. S., Ravel, A., Rossi, J., & Morin, J. B. (2026). Concurrent assessment of sprint running lower-limb and trunk kinematics using marker-based and markerless motion capture. Journal of Sports Sciences, 44(10), 1334-1347.
Federolf, P., Kühne, M., Schiel, K., Reimeir, E., Debertin, D., Calisti, M., & Mohr, M. (2025). Validation of markerless (Theia3D™) against marker-based (Vicon™) motion capture data of postural control movements analyzed through principal component analysis. Journal of Biomechanics, 189, 112831.
Promsri, A., Wargel, A., & Federolf, P. (2026). Concurrent validity of Theia3D markerless compared to marker-based motion capture for movement synergy analysis during the 1-minute sit-to-stand test. Journal of Biomechanics, 113293.
Oonk, G. A., Kempe, M., Lemmink, K. A. P. M., & Buurke, T. J. W. (2026). Examining the concurrent validity of markerless motion capture in dual-athlete team sports movements. Journal of sports sciences, 44, 1307-1318.
van Doorn, P. F., Nyman Jr, E., Wishaupt, K., van der Krogt, M. M., & Roerdink, M. (2025). Deriving Motor States and Mobility Metrics from Gamified Augmented Reality Rehabilitation Exercises in People with Parkinson’s Disease. Sensors, 25(23), 7172.
Varcin, F., & Boocock, M. G. (2026). The accuracy, validity and reliability of Theia3D markerless motion capture for studying the biomechanics of human movement: A systematic review. Artificial intelligence in medicine, 173, 103332.
Wishaupt, K., Schallig, W., van Dorst, M. H., Buizer, A. I., & van der Krogt, M. M. (2024). The applicability of markerless motion capture for clinical gait analysis in children with cerebral palsy. Scientific reports, 14(1), 11910.
Yoma, M., Llurda-Almuzara, L., Herrington, L., & Jones, R. (2025a). Reliability and validity of lower extremity and trunk kinematics measured with markerless motion capture during sports-related and functional tasks: A systematic review. Journal of Sports Sciences, 43(17), 1703-1730.
Yoma, M., Herrington, L., Starbuck, C., Llurda, L., & Jones, R. (2025b). Between-Day Reliability of Kinematic Variables Using Markerless Motion Capture for Single-Leg Squat and Single-Leg Landing Tasks. International Journal of Sports Physical Therapy, 20(8), 1160.
