我没有Harr,此外，我只是识别小球，请你再给一段示例代码用简单一点的方法实现我刚才的要求

对于小球识别，如果目标相对较小且运动不复杂，你可以使用OpenCV中的简单模板匹配方法。首先，你需要捕获图像，并提取小球模板。下面是一个基本的Python代码示例，假设你已有一个小球模板 `ball_template`：

import cv2
import numpy as np

# 获取摄像头输入
cap = cv2.VideoCapture(0) # 改成你喜欢的摄像头编号，0通常是默认的
while True:
    # 读取帧
    ret, frame = cap.read()
    if not ret:
        break
    
    # 将图像缩放以适应小球模板大小（可根据实际情况调整）
    resized_frame = cv2.resize(frame, (ball_template.shape[1], ball_template.shape[0]))
    
    # 计算相似度
    res = cv2.matchTemplate(resized_frame, ball_template, cv2.TM_CCOEFF_NORMED)
    
    # 设置阈值，找到最相似的区域
    threshold = 0.8 # 可视化匹配程度，调整这个值影响匹配结果
    loc = np.where(res >= threshold)
    
    # 对每个匹配点画出边界框
    for pt in zip(*loc[::-1]):
        cv2.rectangle(frame, pt, (pt[0]+ball_template.shape[1], pt[1]+ball_template.shape[0]), (0, 255, 0), 2)
    
    # 显示带标注的帧
    cv2.imshow('Ball Detection', frame)
    key = cv2.waitKey(1)
    
    # 如果按下 'q' 键，退出循环
    if key == ord('q'):
        break

# 关闭摄像头并释放资源
cap.release()
cv2.destroyAllWindows()

这段代码会不断从摄像头获取帧，然后在每一帧上寻找与小球模板相似的部分。当发现相似度超过阈值的地方，就会画出绿色的边界框。你可以尝试调整`threshold`来改变匹配的敏感度。

请注意，这只是一个基本的示例，实际应用中可能需要更复杂的算法来处理光照变化、视角变换等因素，尤其是在实时环境中。