De opkomst van 'Behavioral Biometrics': Herkenning op basis van je loopje

Stel je voor: je loopt door de stad en een camera herkent je niet aan je gezicht, maar aan je manier van lopen.

Je schouders wiegen, je paslengte, hoe je je hoofd draait – allemaal unieke kenmerken. Dit is de wereld van behavioral biometrics, oftewel gedragsbiometrie.

In Nederland ontwikkelen onderzoekers van de Rijksuniversiteit Groningen systemen die jouw looppatroon kunnen gebruiken om je te identificeren, of zelfs om criminelen op te sporen. Het klinkt futuristisch, maar het is al aan het gebeuren.

De loopjesanalyse heeft al in zeventig zaken een rol gespeeld

Looppatroonanalyse is geen theorie meer; het is een praktisch hulpmiddel geworden in de Nederlandse rechtspraktijk.

Sinds 2016, het jaar van de overval op een Albert Heijn in Groningen, is deze techniek uitgegroeid tot een serieuze forensische methode. In dat specifieke geval leidde analyse van het loopje van de dader tot een veroordeling, nadat de verdachte aanvankelijk was vrijgesproken op basis van DNA-bewijs. Dat toont direct de kracht én de plaats van loopanalyse: het is geen vervanging van ander bewijs, maar een aanvulling. In de afgelopen negen jaar, tot en met 2025, is de methode in meer dan zeventig zaken toegepast.

Rechercheurs, het Openbaar Ministerie en zelfs verdedigingsadvocaten gebruiken het om verdachten uit te sluiten of juist een spoor te volgen. Het is geen magische tool, maar een extra paar ogen dat bewegingen analyseert.

Forensische looppatroonanalyse in de rechtszaal

En dat kan soms het verschil maken tussen een vrijspraak en een veroordeling.

Het systeem is ontwikkeld door Bert Otten, hoogleraar neuromechanica, en Mickey Wiedemeijer. Zij bouwden een analysemodel dat werkt met 3D-modellen van menselijke bewegingen. Dat model vergelijkt videobeelden van een dader met de bewegingen van een verdachte.

“We kijken naar de stand van de voeten, de draaiing van de romp en de positie van het hoofd. Dat zijn de dingen die je loop uniek maken.”

Het is niet alleen een kwestie van 'hoe iemand loopt', maar een gedetailleerde analyse van specifieke kenmerken. Deze kenmerken worden gemeten en vergeleken.

Het resultaat is een score die aangeeft hoe groot de overeenkomst is. Maar, en dat is cruciaal, deze score is geen bewijs op zich. Het is een hulpmiddel.

Hoe loopt Nederland?

Om een looppatroon te kunnen herkennen, moet je eerst weten hoe mensen normaal lopen. Daarvoor is een enorme database opgebouwd: "Hoe loopt Nederland".

Deze database is gebaseerd op een steekproef van de Nederlandse populatie, met mensen van verschillende geslachten, etniciteiten en leeftijden.

Dit is essentieel om bias te voorkomen en om de analyse representatief te maken. De database geeft inzicht in de variatie in looppatronen. Het laat zien dat er geen 'standaardloop' bestaat.

Database op basis van steekproef Nederlandse populatie

Een oudere man loopt anders dan een jonge vrouw, en iemand met een blessure heeft een ander patroon dan iemand zonder. Door deze variatie te meten, kan het systeem beter inschatten hoe uniek een bepaald looppatroon is.

De steekproef is zorgvuldig opgebouwd. Er zijn duizenden mensen gemeten om een betrouwbare basis te creëren. Dit maakt de analyse sterker, want het systeem kan rekening houden met demografische verschillen. Het voorkomt dat iemand ten onrechte als verdachte wordt aangemerkt alleen omdat zijn looppatroon afwijkt van een klein, niet-representatief monster.

Deze aanpak is uniek in Nederland en toont aan hoe forensische wetenschap kan profiteren van grote, gedetailleerde datasets.

Het is een praktische toepassing van data-analyse in de strijd tegen criminaliteit, zonder in te boeten op wetenschappelijke integriteit.

AI-modellen kunnen problemen geven

Hoewel de huidige systemen in Groningen nog redelijk eenvoudig zijn (gebaseerd op 3D-modellen en vergelijkingen), ligt de toekomst in AI. Maar AI brengt uitdagingen met zich mee. De bronnen geven geen specifieke details over AI-problemen, maar we weten uit bredere biometrie-discussies dat geavanceerde AI de nauwkeurigheid van gezichtsherkenning naar 99,9% brengt, al kan dit ook leiden tot 'black box'-beslissingen.

Een algoritme kan een match aangeven, maar niet uitleggen hoe het tot die conclusie kwam.

Daarnaast is er het risico op bias. Als een AI-model wordt getraind op een dataset die niet representatief is, kan het fouten maken.

In de context van loopanalyse betekent dit dat bepaalde groepen (bijvoorbeeld mensen met een bepaalde lichamelijke beperking) onterecht kunnen worden uitgesloten of als verdachte worden aangemerkt. Transparantie en controle zijn dus essentieel.

Van loopanalyses naar valanalyses

De technologie achter loopanalyse is breed toepasbaar. Hoewel de bronnen geen specifieke informatie geven over valanalyses, is het een logische volgende stap.

Hetzelfde principe van bewegingsanalyse kan worden gebruikt om vallen bij ouderen te detecteren, of om arbeidsongevallen te voorkomen. In de zorg kan het helpen om de mobiliteit van patiënten te monitoren. In de beveiliging kan het worden gebruikt om ongebruikelijke bewegingen te detecteren, zoals iemand die onhandig loopt omdat hij iets probeert te verbergen. Ook biometrie in de sportwereld voor toegang en prestatie-monitoring biedt veel potentie. De toepassingen zijn eindeloos, zolang de privacy in acht wordt genomen.

Waarom de forensisch deskundige niet gewoon de dader kan aanwijzen in de rechtszaal. ‘Zekerheid krijg je niet’

Een veelgemaakte fout is te veronderstellen dat looppatroonanalyse even uniek is als een vingerafdruk of DNA.

Dat is niet waar. Uit de database "Hoe loopt Nederland" blijkt dat honderden of zelfs duizenden Nederlanders een vergelijkbaar looppatroon kunnen hebben. Het is dus geen uniek identificatiemiddel.

Daarom kan een forensisch deskundige nooit met zekerheid zeggen: "Dit is de dader." Ze kunnen wel zeggen: "De looppatroonanalyse sluit deze verdachte uit" of "De analyse komt overeen met het looppatroon van de dader, maar er zijn meer mensen met dit patroon." Het is een hulpmiddel, geen sluitend bewijs. De rechtbank vertrouwt op een combinatie van bewijsmiddelen.

Looppatronen als hulpmiddel, niet als sluitend bewijs

Loopanalyse kan de doorslag geven als andere bewijzen zwak zijn, maar het kan nooit alleen staan.

Het is vergelijkbaar met een getuigenverklaring: nuttig, maar niet onfeilbaar. Praktische tip: als je te maken krijgt met loopanalyse in een juridische context, vraag dan altijd naar de beperkingen. Hoe groot is de database? Hoeveel mensen delen dit patroon?

En wat is de foutmarge? Deze vragen helpen om een reëel beeld te krijgen van de betrouwbaarheid.

De opkomst van behavioral biometrics, zoals loopjesanalyse, laat zien hoe technologie de samenleving verandert. Het biedt kansen voor veiligheid en opsporing, maar vraagt ook om voorzichtigheid. Privacy blijft een kernwaarde: de ethische discussie rondom biometrische surveillance in bewegingsdata is persoonsgegevens en moet als zodanig worden beschermd.

In Nederland ontwikkelen we deze techniek stap voor stap, met oog voor wetenschap en menselijke maat.

Het is een spannende ontwikkeling, maar één die we kritisch moeten volgen.