ESP32-CAM AI Vision Object Tracking & Face Following Robot with Pan-Tilt Servos

ESP32-CAM এআই ভিশন অবজেক্ট ও ফেস ট্র্যাকিং প্যান-টিল্ট রোবট প্রকল্প

লেখক: Engr. Shantonu Acharjee (Artificial Intelligence & Edge Vision Specialist) | টেক ল্যাব: Electrobaz Workshop

Step-by-step blueprint for building an Edge AI vision turret robot using ESP32-CAM and 2x SG90 servos to detect and track human faces in real-time with pan-tilt closed-loop tracking.

▶️ Video Demonstration & Guide Watch on YouTube ↗

🛠️ প্রয়োজনীয় হার্ডওয়্যার ও কম্পোনেন্ট তালিকা (Required Components):

💡 সবগুলো কম্পোনেন্ট একসাথে কিট আকারে পেতে সরাসরি আমাদের হোয়াটসঅ্যাপে (01721-820184) নক দিন।

⚡ কাজের মূল নীতি ও সার্কিট কার্যপদ্ধতি (Working Principle):

The ESP32 runs an onboard Haar-cascade face detection neural network on QVGA frames (320x240). When a human face is recognized, the center coordinates (X, Y) are calculated. If the face drifts off-center, closed-loop PID error feedback steers the pan and tilt servos to keep the face locked in the center of the video frame.

ভূমিকা ও কৃত্রিম বুদ্ধিমত্তা (Edge AI): কৃত্রিম বুদ্ধিমত্তা ও কম্পিউটার ভিশন এখন আর শুধু সুপার কম্পিউটারে সীমাবদ্ধ নয়। সাশ্রয়ী দামের মাত্র ৫০০ টাকার একটি ছোট ESP32-CAM মডিউলের ভেতরে নিউরাল নেটওয়ার্ক চালিয়ে মানুষের মুখমণ্ডল (Face Detection) সনাক্ত করা যায় এবং আপনি যেদিকেই যাবেন, রোবটের ক্যামেরাটি স্বয়ংক্রিয়ভাবে ঘুরে আপনার মুখের দিকে নজর রাখবে।

প্রয়োজনীয় কম্পোনেন্ট ও হার্ডওয়্যার লিস্ট: মূল প্রসেসর ESP32-CAM ও OV2640 ক্যামেরা। ক্যামেরাকে ডানে-বামে এবং ওপর-নিচে ঘোরানোর জন্য একটি ২-অ্যাক্সিস প্যান-টিল্ট মেকানিজম এবং দুটি SG90 সার্ভো মোটর। মসৃণ সার্ভো নিয়ন্ত্রণের জন্য একটি সাহায্যকারী আর্ডুইনো ন্যানো এবং ৫V ৩A রেগুলেটেড পাওয়ার সাপ্লাই।

সার্কিট কানেকশন ও পিন ডায়াগ্রাম: (১) ESP32-CAM TX -> Arduino Nano RX (Pin 0); (২) প্যান সার্ভো সিগন্যাল -> Nano Pin 9; (৩) টিল্ট সার্ভো সিগন্যাল -> Nano Pin 10; (৪) LM2596 আউটপুট ৫V সরাসরি ESP32 5V এবং দুটি সার্ভোর VCC তে যাবে; (৫) সকল গ্রাউন্ড কমন থাকবে।

অবজেক্ট সেন্টারিং ও পিআইডি ট্র্যাকিং লজিক: ভিডিও ফ্রেমের আকার ৩২০x২৪০ পিক্সেল। ফ্রেমের কেন্দ্রবিন্দু হলো (১৬০, ১২০)। মানুষের মুখ সনাক্ত হলে মুখমণ্ডলের বক্সের কেন্দ্র যদি ১৬০ এর বেশি হয়, তার মানে ব্যক্তি ডানে আছেন; প্যান সার্ভো তাৎক্ষণিকভাবে ডানে ঘুরবে। একইভাবে মুখ ওপরে বা নিচে গেলে টিল্ট সার্ভো মুখমণ্ডলকে সর্বদা সেন্টারে (Lock-on Target) ধরে রাখে।

ধাপে ধাপে অ্যাসেম্বলি ও ক্যামেরা ফোকাস: ধাপ ১: ক্যামেরার ছোট লেন্সটি স্ক্রু-ড্রাইভার দিয়ে আলতো ঘুরিয়ে ফোকাস শার্প করে নিন। ধাপ ২: প্যান-টিল্ট ব্র্যাকেটের নিচে প্রথম সার্ভোটি এবং ওপরে দ্বিতীয় সার্ভোটি স্ক্রু করুন। ধাপ ৩: ব্র্যাকেটের ওপর ESP32-CAM মডিউলটি মাউন্ট করে ওয়্যারিং সম্পূর্ণ করুন।

বাংলাদেশি শিক্ষার্থীদের জন্য কমন ট্রাবলশুটিং: সমস্যা ১:

— সমাধান: ফ্রেম সাইজ QVGA (320x240) এ রাখুন এবং JPEG কোয়ালিটি ১২-১৫ এর মধ্যে রাখুন; উচ্চ রেজোলিউশনে ESP32 এর র‍্যাম সংকট দেখা দেয়। সমস্যা ২:

— সমাধান: কোডে একটি ৫ পিক্সেলের ডেডব্যান্ড মার্জিন দিন যাতে ক্ষুদ্র সরণ এড়িয়ে চলে।

বিজ্ঞান মেলা প্রেজেন্টেশন ও বিচারকদের প্রশ্নোত্তর: বিচারকদের সামনে দাঁড়িয়ে হেঁটে যান। আপনি যেদিকেই যাবেন রোবটের ক্যামেরা আপনার সাথে সাথে ঘুরে আপনার দিকে তাকিয়ে থাকবে—এটি মেলার যেকোনো দর্শকের জন্য চরম আকর্ষণীয় অভিজ্ঞতা। বিচারক প্রশ্ন করবেন:

উত্তর: এটিতে ফেস রিকগনিশন (Face Recognition) মডেল সংযুক্ত করে অনুমোদিত ভিআইপি ব্যক্তি ও অপরিচিত অনুপ্রবেশকারী আলাদা করে চিহ্নিত করার অপশন রয়েছে।

🔗 এই টিউটোরিয়ালটি বন্ধুদের সাথে শেয়ার করুন:
WhatsApp-এ শেয়ার Facebook-এ শেয়ার

📚 আরও সম্পর্কিত বিজ্ঞান মেলা প্রজেক্ট ও টিউটোরিয়াল (Related Guides):

Wireless Live View FPV Camera Robot with ESP32-CAM

Build a real-time First Person View (FPV) video streaming robot car powered by ESP32-CAM a...

টিউটোরিয়াল পড়ুন →

Hand Gesture Controlled Robotic Wheelchair for Mobility Assistance

Empowering individuals with mobility impairments: an intelligent assistive wheelchair cont...

টিউটোরিয়াল পড়ুন →

Footstep Piezoelectric Power Generator: Harvesting Kinetic Energy

Transform footsteps into clean electricity: harness piezoelectric ceramic transducers unde...

টিউটোরিয়াল পড়ুন →