Това е правено при това доста ефективно, имаш няколко подхода. Единият е да правиш снимки през интервал от време, примерно 1 секунда, да разпознаваш лицата (или телата) и да броиш. Този подход е много елсен за правене, но не е много точен.

Другият вариант е да използваш следене на обекта във видео (или серия от снимки с по-малък интервал, примерно 4-5 FPS. Първо разпознаваш лицето, после на следващия фрейм проверяваш на къде се епреместил и дали го има. Така може да хванеш посоката на движение и точността ще се увеличи. Недостатъка е, че в зависимост от позицията на камерата ако 2-ма човека се разминат може едини да скрие другия и алгоритъма да се обърка. За това трябва да проверяваш не само на следващия фрейм а на още няколко напред за съвпадения.

Един стар проект който горе-долу върши работа е това

https://github.com/yquemener/HeadCounter

Тук също има добра информация

http://www.pyimagesearch.com/2015/05/25/basic-motion-detection-and-tracking-with-python-and-opencv/

Иначе берито е достатъчно мощно да се справи, ако нещо се задъхва намали FPS-а

Благодаря за отговора!

Намерих следния проект, ако някой се интересува от подобни проекти.

https://github.com/WatershedArts/Footfall