DJI Matrice 4의 Smart Detection은 카메라 프레임을 받아 사람·차량·선박처럼 보이는 후보를 표시하고, 조종자가 탐색할 위치를 좁히는 기능이다. 그러면 구조팀은 무엇을 얻는가? ‘발견 확정’이 아니라 확인해야 할 좌표와 영상 단서를 얻는다. 레이저 거리값과 confidence가 붙어도 가려진 사람의 상태나 신원까지 자동으로 판정되지는 않는다.
넓은 수색구역에서 먼저 막히는 것은 사람의 시선이다
산사태 뒤 비탈과 수면을 동시에 훑을 때 조종자는 지도, 배터리, 공역, 광각·줌·열화상 화면과 무전을 오간다. 작은 대상은 몇 프레임만 나타났다가 나무, 파도나 차량 뒤로 사라진다. 오래 날릴수록 피로가 쌓이고, 이미 본 구역과 놓친 구역을 기억하기도 어렵다.
이 문제는 카메라 해상도 하나로 해결되지 않는다. 사람처럼 보이는 열점, 실제 사람, 마네킹, 바위와 반사를 구분해야 하고 위치를 지상팀이 쓸 수 있는 좌표로 옮겨야 한다. 잘못된 후보를 너무 많이 보내면 구조 자원이 분산되고, 임계값을 지나치게 높이면 약한 신호의 실종자를 놓칠 수 있다.
DJI의 Matrice 4 Series 공식 발표는 Matrice 4T·4E에 AI Smart Detection, 레이저 거리측정과 저조도 기능을 제시하며 수색구조 활용을 설명한다. 이것은 현재 제품 기능에 대한 제조사 자료다. 환경별 precision·recall이나 공인 수색구조 성공률을 공개한 독립 성능표는 아니다.
처음에는 좋은 영상과 반복 가능한 탐색선이 중심이었다
AI 표시 전에도 수색용 드론은 grid·corridor 비행, 광각으로 훑기, 줌으로 재확인하기와 thermal hotspot 확인을 조합했다. 조종자가 지도에 관심지점을 찍고 같은 경로를 다시 날려 시간에 따른 변화를 비교했다. 이 방식은 느리지만 판단 근거가 원본 영상과 사람의 관찰에 남는다는 장점이 있다.
광학과 열화상은 서로 다른 질문에 답한다. 광학 줌은 옷·형상·주변 맥락을 보여 주지만 어둠·연기·가림에 약하다. 열화상은 온도 대비를 찾는 데 유리하지만 따뜻한 바위, 배기구와 동물이 사람처럼 보일 수 있고 온도 차가 작으면 약해진다. 어느 한 화면을 ground truth로 두지 않는다.
레이저 거리측정기도 원래부터 ‘정답 좌표 생성기’가 아니다. 반사되는 표면을 제대로 겨냥해야 하고 range, 자세, GNSS·heading과 좌표 변환의 오차가 합쳐진다. 나뭇가지 앞면을 찍었는지 그 뒤 후보를 찍었는지에 따라 수십 미터 떨어진 지상팀의 수색 결과가 달라질 수 있다.
전환점은 AI 후보와 측정값을 같은 작업흐름에 넣은 것
Smart Detection의 실무 가치는 모든 픽셀을 자동 판정하는 데 있지 않다. 반복 비행에서 후보를 표시하고, 조종자가 줌·열화상으로 재관찰할 순서를 정하는 데 있다. DJI Enterprise의 펌웨어 설명은 Smart Detection confidence level을 조정할 수 있다고 안내한다. 즉 임계값은 제품이 정한 영구 상수가 아니라 임무 운영자가 다뤄야 할 설정이다.
confidence를 올리면 대개 약한 후보가 줄지만, 오탐과 미탐이 동시에 사라진다고 기대해서는 안 된다. 실제 trade-off는 지형, 센서, 고도, 시야각과 대상 크기에 따라 달라진다. 초기 sweep에서는 낮은 문턱으로 민감도를 확보하고, 재확인 단계에서는 여러 프레임·센서와 사람 판독으로 false alarm을 줄이는 2단계 절차가 현실적이다.
Matrice 4 공식 사양은 레이저 거리측정 최대 1,800m를 20% 반사율 조건과 함께 제시하고, 정확도 조건과 비·안개 같은 대기 영향도 읽을 수 있게 한다. 최대값만 떼어내 현장의 좌표 정확도로 쓰면 안 된다. 표적 반사율과 각도, 대기, range가 달라지면 실제 측정 가능성과 오차도 달라진다.
현재 스택은 탐지보다 확인 단계가 더 길다
수색팀은 AI detection box가 생긴 뒤에야 판단을 시작한다. 같은 후보를 연속 프레임에서 추적하고 광각 위치를 보존한 채 줌·thermal·laser를 번갈아 확인한다. 좌표가 만들어지면 map terrain과 접근 경로를 대조하고, 다른 항공기·지상팀에게 넘길 때 원본 crop과 불확실성도 함께 보낸다.
- 임무 전에 사람·차량·선박 중 어떤 대상을 찾는지와 최소 표시 크기를 정한다.
- known target과 confusing object를 넣은 현장 test로 confidence 후보값을 잡는다.
- 광각 detection 뒤 줌·thermal·연속 frame으로 동일 대상인지 사람이 확인한다.
- laser spot이 후보 표면에 맞았는지 보고 range·GNSS·heading 품질을 함께 저장한다.
- 좌표만 보내지 말고 time, sensor mode, confidence, 원본 이미지와 확인자 verdict를 붙인다.
- 오탐·미탐 사례를 lighting·altitude·occlusion·background별로 분류해 다음 mission 설정에 반영한다.
- 구조팀 dispatch는 AI label이 아니라 사람의 확인 등급과 현장 위험을 합쳐 결정한다.
낮은 confidence 후보라고 바로 버릴 이유도 없다. 얇은 담요 아래 사람, 긴 그림자 속 대상처럼 생명 안전과 관련된 상황에서는 약한 신호를 다른 탐색 회차에서 재관찰할 가치가 있다. 반대로 높은 confidence라도 구조대가 접근하기 전에는 ‘person-like target’처럼 표현하고, 신원·의식·부상 상태를 단정하지 않는다.
제품 사양이 아직 답하지 못한 현장 질문
공식 자료에는 조명·비·안개·눈·연기, 높이와 camera angle별 precision, recall, false-positive·false-negative 표가 없다. 그래서 ‘사람을 탐지한다’는 기능 설명을 ‘모든 사람을 놓치지 않는다’로 번역할 수 없다. 조직은 자기 임무의 terrain과 target size로 acceptance set을 만들어야 한다.
가림은 한 프레임 안에서 해결되지 않는다. 수관 아래, 건물 모서리, 차량 밑과 파도 사이 후보는 비행 경로와 관측각을 바꿔야 한다. thermal과 optical 결과가 충돌하면 원인을 기록하고, 어느 sensor를 우선할지 상황별 rule을 둔다. 배터리를 더 쓰는 재비행과 실종 가능성 사이의 결정권자도 정한다.
laser 좌표는 출동을 돕지만 현장 안전을 보증하지 않는다. 절벽 반대편, 불안정한 얼음이나 사유지처럼 접근 불가능한 지점일 수 있다. 지상팀은 GIS·현장 map과 재확인하고 좌표 uncertainty를 반경으로 받는다. drone operator와 incident commander가 같은 map datum을 쓰는지도 mission 전에 시험한다.
기체와 펌웨어가 바뀌면 임계값을 다시 검증한다. DJI O4 기반 원격 점검 링크에서 통신·영상 품질을 따로 보고, DJI 낙하산·FTS 안전계층처럼 탐지 성능과 기체 안전을 분리하면 한 기능의 성공이 전체 수색 임무 성공으로 과대평가되는 것을 막을 수 있다.
현장에서 다시 확인할 질문
Smart Detection confidence를 높이면 오탐과 미탐이 함께 줄어드나요?
보통 그렇지 않다. 문턱을 높이면 약한 후보가 줄어 오탐이 감소할 수 있지만 실제 대상을 놓치는 미탐이 늘 수 있다. 다음으로 확인할 개념은 precision–recall trade-off다. 자기 지형·고도·조명에서 known target과 confusing object를 함께 시험하고, 첫 sweep와 재확인 단계의 문턱을 다르게 정해야 한다.
자료 마지막 확인: 2026년 8월 26일