Cada periférico Kinect® tiene tres tipos diferentes de sensores. El sensor principal por el que se conoce al Kinect® es una cámara de infrarrojos (IR) capaz de examinar puntos de luz para crear un mapa de profundidad. Estos sensores Kinect® primarios se utilizan para mapear un área y las personas dentro de ella, en tres dimensiones. Cada dispositivo también tiene una cámara tradicional que crea una salida de video roja, verde y azul (RGB). El último tipo de sensores Kinect® presentes en cada dispositivo son cuatro micrófonos dispuestos en una matriz.
El Kinect® es un dispositivo periférico que se utiliza para manipular videojuegos sin la necesidad de un controlador físico. Varios sensores Kinect® diferentes trabajan juntos para hacer esto posible. Los periféricos de captura de movimiento anteriores solo rastreaban el movimiento, pero el Kinect® también es capaz de generar un mapa de profundidad y reconocer la fuente de diferentes sonidos dentro de una habitación. Las entradas de estos sensores Kinect® también se pueden utilizar por separado para diferentes funciones.
Para que los sensores Kinect® creen un mapa de profundidad, cada dispositivo también está equipado con un proyector de infrarrojos. Este componente es capaz de iluminar la zona de juego con miles de puntos de luz. Estos puntos de luz son invisibles a simple vista, pero la cámara infrarroja presente en cada Kinect® puede verlos y luego calcular el tiempo de vuelo para crear una representación tridimensional de la habitación.
El otro sensor visual presente en cada Kinect® es una cámara RGB tradicional. Esta cámara crea video a una resolución de 640 × 480 y 30 cuadros por segundo (FPS). Al combinar estos datos visuales con el mapa de profundidad proporcionado por el sensor de infrarrojos, Kinect® puede crear una representación tridimensional de un espacio. Esta información combinada también se usa para estimar la estructura esquelética de un jugador, que es cómo el periférico registra el movimiento para generar entradas de juego. El video también se puede usar por separado del mapa de profundidad para videoconferencias y tomar fotografías.
Un conjunto de micrófonos es el tipo final de sensor presente en cada dispositivo Kinect®. Al examinar la diferencia en los sonidos captados por cada uno de los cuatro micrófonos de la matriz, el Kinect® puede determinar aproximadamente de dónde proviene un sonido. Esta información puede usarse para bloquear el control de voz a un jugador o filtrar el ruido de fondo. La matriz de micrófonos también se puede utilizar por separado para la comunicación por voz y otras funciones similares.