경기장 AI 카메라의 정확도는 어떻게 읽을까?

선을 긋는 기계도 마지막 결정은 사람이 해요

2022 카타르 월드컵에 관한 국제축구연맹의 반자동 오프사이드 기술 설명은 무엇을 재는지 꽤 자세히 적어 놓았어요. 경기장 지붕 아래 설치한 전용 추적 카메라 12대가 선수 몸의 여러 지점을 초당 수십 번 잡고, 공 안에 넣은 센서가 공을 찬 순간을 보낸다고 해요¹.

여기까지가 "잰다"예요. 그다음 단계에서 기계는 결정을 내리지 않아요. 자동으로 고른 킥 시점과 자동으로 그린 오프사이드 선을 비디오 판독 심판이 확인한 뒤에 판정이 나요¹. 이름에 '반자동'이 붙은 이유가 여기 있어요. "심판이 없어지는 것 아니냐"는 질문에 이 문서가 주는 답은, 해당 대회의 설명된 구조에서는 사람이 마지막 자리에 남아 있다는 거예요.

8~9센티미터는 평균적인 오차 지표예요

실제 프로 경기장에서 남자 축구 선수 20명이 축구 동작을 본뜬 달리기 코스와 소규모 게임을 했어요. 같은 시간에 광학 추적 시스템 두 세대와 실험실용 동작 분석 장비를 나란히 돌려 위치를 비교했어요. 전체 과제를 합친 위치 RMSE는 두 세대에서 각각 9cm와 8cm였어요². RMSE는 오차의 제곱을 평균한 뒤 제곱근을 취한 지표여서, 모든 프레임의 오차가 10cm 이하였다는 뜻은 아니에요.

기준이 되는 장비와 동시에 쟀기 때문에 이 숫자는 "무엇에 대한 오차"인지가 분명해요.

다만 논문 방법에 한 줄이 더 있어요. 선수가 분명히 추적되지 않은 프레임은 계산에서 뺐고, 연구진도 결론에 "선수가 제대로 추적되는 한"이라는 조건을 붙였어요². 이 값은 정상적으로 추적된 프레임의 성능이에요. 가려짐 자체를 모두 제외했다는 뜻과는 다르지만, 추적 실패가 포함된 전체 운영 성능으로 읽을 수는 없어요. 또한 이 연구는 반자동 오프사이드 판정 자체를 검증한 연구가 아니에요.

사람 수를 세는 것과 위험을 미리 아는 것 사이

군중 계수는 화면 속 사람 수를 자동으로 세는 기술이에요. 2024년 발표된 고찰이 그 이전 약 5년간 나온 방법들을 공개 데이터셋 위에서 비교한 결과는, 큰 데이터셋에서의 성능 향상이 정체 구간에 들어섰고 실제 현장 상황과 대규모 군중의 실시간 처리가 여전히 과제라고 정리했어요⁴.

군중 수를 잘 세는 능력이 위험 예측의 성공을 자동으로 보장하지는 않아요. 두 과제에는 별도의 정답 자료와 평가 지표가 필요해요. 이 글을 준비하면서 경기장 군중 위험 예측의 성능을 공개한 자료는 찾지 못했어요. 그 빈칸을 채운 문장이 기사에 있다면, 출처가 어디인지 되묻는 편이 맞아요.

정확한 알고리즘도 누구를 찍느냐에 따라 달랐어요

반대 방향 자료도 하나 있어요. 2019년 미국 국립표준기술연구소가 얼굴 인식 알고리즘 189개를 정부가 실제로 운영하는 사진 자료에 돌려 보고, 결과를 인구 집단별로 따로 계산한 공개 평가 보고서예요⁵.

두 종류의 오류가 다르게 움직였어요. 서로 다른 사람을 같은 사람으로 잘못 짝짓는 오탐은 집단에 따라 열 배에서 백 배가 넘게 벌어졌고, 같은 사람을 못 알아보는 쪽은 차이가 훨씬 작았어요⁵. 성별과 연령대에 따른 차이도 나타났어요. 이는 당시의 사진 자료·알고리즘에 대한 결과로, 2026년 모든 제품이나 경기장 관람객 영상의 성능을 뜻하지 않아요.

기술 기사에서 숫자를 만나면 네 가지를 다시 물어봐요

경기장 기술 기사는 앞으로도 계속 나올 거예요. 읽을 때 확인할 것은 네 가지예요.

네 번째와 관련해 참고할 기관 자료가 있어요. 국제축구연맹은 경기용 추적 장비를 대상으로 별도의 품질 시험 절차를 운영하는데, 실험실용 동작 분석 장비를 기준으로 위치와 속도의 정확도를 시험하고 결과를 공개해요⁶. 기사에서 "공식 인증"이라는 표현을 보면 무엇을 시험한 인증인지 이 문서에서 되짚을 수 있어요.

이 질문이 이어지는 전공과 해볼 것

숫자를 뜯어보는 쪽이 재미있었다면 스포츠공학이나 데이터 분석이, "이걸 어디까지 써도 되나"가 더 걸렸다면 스포츠정책이나 미디어·법 쪽이 맞을 수 있어요.

학생 답안 일부: 연구에 따르면 위치 오차가 10센티미터밖에 안 된다. 그러므로 기계가 사람보다 정확하고, 판정과 안전 관리를 맡기는 것이 합리적이다.

꼭 알아야 할 개념 3개

컴퓨터비전

영상의 물체나 움직임을 컴퓨터로 해석하는 기술 분야예요.

RMSE

오차를 제곱해 평균한 뒤 제곱근을 취한 지표로, 최대 오차가 아니에요.

비교 조건

두 결과를 비교할 때 같게 두거나 따로 적어야 할 조건이에요.선수가 겹치거나 가려지는 장면을 바꿀 때 다른 조건도 함께 기록해요.

STEP 2 · 체육·전공과 연결

이 주제는 체육과 내 전공에서 어떻게 이어질까요?

체육 수업·실기에서

중계 화면에는 선수의 이동 거리까지 나와요. 가려진 선수도 정확하게 따라갔을까요? 중계 영상 추적 장면 관찰처럼 수업 장면을 기록과 연결해 볼 수 있어요.

고교 과목 연결

체육1·체육2 · 운동과 건강 · 스포츠 과학 · 물리학 · 역학과 에너지 · 확률과 통계

전공별로 이렇게 다뤄요

• 스포츠데이터분석: 측정 오차와 비교 조건을 확인하고 자료의 차이를 분석해요.
• 스포츠생체역학: 힘·속도·관절의 움직임을 측정해 동작을 설명해요.

대학에서 배우는 과목 예시

스포츠통계 · 스포츠데이터분석 · 체육측정평가

개설 과목과 내용은 학교마다 달라요.

STEP 3 · 입시로 확장

탐구 활동과 예상 면접 질문

직접 해보는 탐구 활동

쉬움

중계 영상 추적 장면 관찰

바꾸는 것·살펴볼 조건

선수가 겹치거나 가려지는 장면

재는 것·기록할 자료

추적 표시가 유지된 장면 수

비교하는 방법

정상 장면과 가림 장면을 나누기

중간

사람이 센 기록과 비교

바꾸는 것·살펴볼 조건

같은 영상 구간과 관찰자

재는 것·기록할 자료

선수 수와 이동 구간 표시

비교하는 방법

같은 프레임에서 일치·불일치 비율 비교

심화

공개 자료와 내 관찰을 비교해 발표하기

바꾸는 것·살펴볼 조건

본문의 연구 조건과 선수가 겹치거나 가려지는 장면

재는 것·기록할 자료

공개 자료의 측정 항목·대상과 내 관찰 항목

비교하는 방법

같은 항목만 비교하고 대상·기간이 다른 부분은 구분해 발표하기

예상 면접 질문

Q1. 이 주제에 관심을 가진 계기와 직접 확인해 본 것을 설명해 주세요.

답변 뼈대 계기 → 핵심 개념 → 직접 해본 탐구 활동과 실제 기록 → 더 알고 싶은 조건

꼬리질문 예상과 다른 결과가 나왔다면 어떻게 설명할까요? / 측정할 때 어떤 조건을 같게 두었나요?

Q2. 평균 오차가 작으면 모든 장면이 정확한가요?

답변 뼈대 계기 → 핵심 개념 → 직접 해본 탐구 활동과 실제 기록 → 더 알고 싶은 조건

꼬리질문 본문 연구와 내 관찰은 무엇이 다른가요? / 결론을 바꾸려면 어떤 자료가 더 필요한가요?

Q3. 스포츠데이터분석에서 이 주제를 더 공부한다면 무엇을 연구하고 싶나요?

답변 뼈대 계기 → 핵심 개념 → 직접 해본 탐구 활동과 실제 기록 → 더 알고 싶은 조건

꼬리질문 어떤 과목의 개념이 필요한가요? / 새로운 대상에서도 같은지 어떻게 확인할까요?

자주 묻는 질문

경기장 AI 카메라의 정확도는 어떻게 읽을까?

AI 카메라는 영상에서 선수 위치와 움직임을 계산해요. 평균 위치 오차와 선수를 놓치는 비율은 다른 성능이에요.

평균 오차가 작으면 모든 장면이 정확한가요?

평균은 일부 큰 오차를 가릴 수 있어요. 추적 실패와 가려진 장면을 평가에 포함했는지도 봐야 해요.

이 주제로 학교에서 어떤 탐구를 할 수 있나요?

중계 영상 추적 장면 관찰부터 시작할 수 있어요. 선수가 겹치거나 가려지는 장면을 살펴보고, 추적 표시가 유지된 장면 수을 기록한 뒤 정상 장면과 가림 장면을 나누기를 해 보세요.