El conteo automatizado de multitudes es un aspecto crucial de la vigilancia, especialmente en el contexto de eventos masivos a los que asisten grandes poblaciones. Los métodos tradicionales de contar manualmente a las personas que asisten a un evento son propensos a errores, lo que requiere el desarrollo de métodos automatizados. Estimar con precisión el conteo de multitudes en diversas escenas es un desafío debido a las altas variaciones en los tamaños de las cabezas humanas. Los métodos de conteo de multitudes basados en regresión a menudo sobrestiman los conteos en situaciones de baja densidad, mientras que los modelos basados en detección tienen dificultades en escenarios de alta densidad para detectar con precisión la cabeza. En este trabajo, proponemos un marco unificado que integra modelos de regresión y detección para estimar el conteo de multitudes en diversas escenas. Nuestro enfoque aprovecha una estrategia de enrutamiento basada en las variaciones de densidad de la multitud dentro de una imagen. Al clasificar los parches de imagen en niveles de densidad y emplear un Módulo de Enrutamiento de Parches (PRM) para el enrutamiento, el marco dirige los parches ya sea a la Red de Detección o a la Red de Regresión para estimar el conteo de multitudes. El marco propuesto demuestra un rendimiento superior en varios conjuntos de datos, mostrando su efectividad para manejar diversas escenas. Al integrar de manera efectiva los modelos de regresión y detección, nuestro enfoque ofrece una solución integral para un conteo preciso de multitudes en escenarios que van desde situaciones de baja densidad hasta situaciones de alta densidad.