na verdade, você vê umas silhuetas de umas duas pessoas (ainda que a descrição dada pelo Vítor Moura diga três, só percebi duas) se movendo. Percebam que o que a câmera filma uma sala através de um vidro muito próximo à câmera, e ao assistirem, procurem pelo que parece com reflexos no vidro de pessoas "às nossas costas", ou atrás de onde a câmera aponta.
Nos comentários uma garota filipina inclusive mencionou reflexo no vidro, as únicas palavras em inglês, o que dava a entender que ela entende tagalog e que o que as pessoas falam no vídeo no mínimo não é interpretável necessaraimente como pessoas com medo de fantasmas, mas pode ser por exemplo, pessoas com medo de guardas/soldados/bandidos, e os filmando escondidamente pelo reflexo.