Medir la cantidad de personas en un espacio dado tiene muchas aplicaciones, que van desde el marketing hasta la seguridad. Una familia de enfoques novedosos para medir el tamaño de una multitud se basa en equipos Wi-Fi económicos, aprovechando el hecho de que las señales Wi-Fi se distorsionan por la presencia de personas, por lo que al identificar estos patrones de distorsión, podemos estimar el número de personas en dicho espacio dado. En este trabajo, refinamos métodos que aprovechan la Información del Estado del Canal (CSI), que se utiliza para entrenar un clasificador que estima el número de personas ubicadas entre un transmisor Wi-Fi y un receptor, y mostramos que la información de múltiples enlaces disponibles nos permite obtener resultados sustancialmente mejores que los enfoques de enlace único o promedio de última generación, es decir, aquellos que toman el promedio de la información de todos los canales en lugar de tomarlos individualmente. Mostramos experimentalmente cómo la adición de cada una de las informaciones de múltiples enlaces ayuda a mejorar la precisión de la predicción del 44% con un enlace al 99% con 6 enlaces.