不少碩士論文有這方面的研究。

除了車牌辨識之外 ，可以被球場的邊界做辨識，人出場外沒關係，但是球出場外就不行。

同理，能辨識網子，當網子碰到球，或相反，就知道得/失分，就是爬網球麻煩些。

最常見的應用，連數字都能辨識。自動記分了。

在二維的影象中，要還原三維的座標，多了深度，變換中的對應關係，很重要的數據來源 。

同上，一個有趣的主題，是球員在場上移動了多少距離。左右移，前後移，二維影像的距離量測。

辨識手(正拍反拍)，拍子，球，統計打多少球。這圖很難截，時間點總是抓不上。

承上，反拍的次數。

羽球運動的攝影會有幾個固定的拍攝角度，如果場景變動不大的話，(最好是靜止)，這時一個常用的去背手法，
Background subtraction就可在此派上用場。可是呢?當攝影拍攝角度一直變動的話，這個函式就分不出前景/背景了!
如下圖，

這是一個貼近實用解法的解。

程式請參考

前景很清楚時，連羽毛球的型狀/軌跡都很明顯。所以可以想得到，如果前景的景物可以固定標示的話，解法就呼之欲出了。以這個例子，分數的計分板 非常不明顯。

戴一姐的今年比賽獎金結算，而且，僅杜拜的獎金就過半，意思是，若這個高昂年終賽沒奪冠，她獎金可能少很多，而她的冠軍戰對手，可能從獎金榜第十往上升不少。
比賽的獎金，和舉重奪金的相比不到一半，所以運動用品廠商的贊助還是佔多，而大陸的男單一二哥，根本沒入選杜拜年終賽，也意謂著大陸強國的經濟力把羽球生態搞得不錯。