要實現人群計數功能，可以使用OpenCV庫中的人體檢測算法和目標計數算法。

1. 人體檢測：可以使用OpenCV中已經訓練好的人體檢測模型，如Haar級聯分類器或者基于深度學習的目標檢測模型（如Faster R-CNN、YOLO等）。在檢測到人體之后，可以使用矩形框標記出每一個人體的位置。

2. 目標計數：可以根據標記出的人體位置信息，利用目標計數算法進行人群計數。一種常用的算法是基于跟蹤的目標計數算法，通過在每一幀中跟蹤不同目標的位置，然后統計目標的數量來實現人群計數。

下面是一個簡單的示例代碼，用于在視頻中實現人群計數功能：

import cv2

# 加載Haar級聯分類器
face_cascade = cv2.CascadeClassifier('haarcascade_fullbody.xml')

# 打開視頻文件
cap = cv2.VideoCapture('test.mp4')

# 初始化計數器
count = 0

while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break
    
    # 將每一幀轉為灰度圖像
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    
    # 人體檢測
    bodies = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5)
    
    # 繪制矩形框和計數器
    for (x, y, w, h) in bodies:
        cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2)
        count += 1
        cv2.putText(frame, 'Count: {}'.format(count), (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 2)
    
    # 顯示結果
    cv2.imshow('Frame', frame)
    
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

在這個示例中，我們加載了一個Haar級聯分類器用于人體檢測，然后在視頻的每一幀中檢測人體并計數。最后，我們展示了每一幀的結果，并實時更新計數器。