Gebarenherkenning & Virtuele Handteken Checker

Dit zijn de eigen, echte classificatieregels van deze tool, direct toegepast op de 21 handlandmarkpunten die elk frame worden gevolgd.

1. Klik op "Start" en geef toegang tot de camera wanneer daarom wordt gevraagd.
2. Houd je hand duidelijk in beeld.
3. Probeer elk van de vijf herkende gebaren om te zien hoe betrouwbaar ze worden gedetecteerd bij je huidige belichting.
4. Pas de belichting of handpositie aan als de detectie onregelmatig aanvoelt — helder, egaal licht op je hand helpt het meest.

Deze tool draait MediaPipe Hands, een handtrackingmodel dat Google speciaal heeft getraind voor real-time gebruik op het apparaat zelf, volledig in je browser via WebAssembly en WebGL. Er wordt niets naar een server gestuurd — het model wordt eenmalig gedownload en elk frame daarna wordt lokaal verwerkt.

Elk frame geeft het model 21 landmarkpunten per gedetecteerde hand terug: de pols, en drie gewrichten plus een top voor elk van de vijf vingers. De gebarenclassificatie zelf is eenvoudige geometrie op basis van die punten, geen apart getraind gebarenclassificatiemodel — een vinger telt als gestrekt wanneer de top duidelijk verder van de pols verwijderd is dan de eigen middelste knokkel. Vijf gestrekte vingers wordt gelezen als een open handpalm; alleen de duim als duim omhoog; enzovoort.

Het reactiemenu van Zoom bevat een fysiek opgestoken hand-gebaar dat recente desktopclients automatisch detecteren wanneer je camera aanstaat — een open handpalm dicht bij je gezicht houden activeert dezelfde reactie als op de knop klikken. Teams heeft een vergelijkbare opgestoken-hand-reactie, al rolt gebaren-gebaseerde automatische detectie geleidelijker uit over clientversies dan bij Zoom.

Discord heeft geen ingebouwde gebarendetectie, maar handgebaren blijven belangrijk als je OBS of een Elgato Stream Deck-plugin gebruikt die overlays of effecten op het scherm activeert op basis van een webcamgebaar — die plugins zijn precies afhankelijk van het soort heldere, goed belichte landmarktracking waar deze tool op controleert.

Houd je hand volledig binnen het beeld en redelijk dicht bij de camera — landmarktracking verslechtert snel zodra een hand kleiner wordt dan ongeveer een tiende van de framebreedte. Tegenlicht is de meest voorkomende oorzaak van mislukte detectie: een fel raam achter je maakt van je hand een silhouet, waardoor het model individuele vingergewrichten niet meer kan onderscheiden uit een donkere omtrek.

De framerate is ook belangrijk. Een webcam die moeite heeft om 30fps vast te houden, of dat nu door USB-bandbreedtebeperkingen of driverproblemen komt, geeft het trackingmodel minder frames om een gebaar op te pikken, wat zich uit als flikkering of gemiste detecties in plaats van een harde storing.