La tecnologia Kinect® utilizza un proiettore a infrarossi (IR) insieme a due telecamere per mappare uno spazio in tre dimensioni. La tecnologia è in grado di riconoscere i contorni umani e quindi estrapolare la profondità esaminando la luce proiettata dal proiettore IR. A ciascun profilo umano viene assegnato uno scheletro wireframe, che viene quindi utilizzato per interpretare i movimenti come input di gioco. Ciascun Kinect® è in grado di riconoscere più persone contemporaneamente ai fini del gioco multiplayer. Oltre a questa tecnologia di rilevamento del movimento Kinect®, ogni dispositivo include anche un array di microfoni che può essere utilizzato per impartire comandi vocali.
Il Kinect® è un dispositivo periferico per videogiochi con rilevamento del movimento che non richiede a ciascun giocatore di tenere un controller fisico. A differenza di altre periferiche per videogiochi basate su fotocamera, la tecnologia Kinect® è in grado di rilevare con precisione la profondità ed eseguire diverse altre funzioni. Il modo in cui questi dispositivi rilevano la profondità è proiettando un campo semi-casuale di luce infrarossa in una stanza. Quando i punti di luce colpiscono un oggetto, la tecnologia Kinect® è in grado di determinare la sua distanza calcolando quanto tempo impiega la luce a riflettersi sul dispositivo. Ciò consente di creare una mappa di profondità con una precisione di circa 1 centimetro (circa 0.4 pollici).
Tutti i calcoli necessari per creare una mappa di profondità vengono eseguiti dal Kinect® stesso. Queste informazioni vengono quindi inviate alla console di gioco insieme a un normale feed video dalla fotocamera tradizionale. Entrambe queste immagini video vengono trasmesse a 30 fotogrammi al secondo (FPS). La console può quindi utilizzare la mappa di profondità per tracciare la posizione di una persona in tre dimensioni e il normale feed video per il riconoscimento facciale. I giocatori possono insegnare al sistema che aspetto hanno i loro volti, dopodiché è possibile che la tecnologia Kinect® li acceda automaticamente.
Oltre a questa tecnologia di rilevamento del movimento, ogni dispositivo Kinect® include anche un array di microfoni. L’array è composto da quattro microfoni, che consentono alla tecnologia Kinect® di riconoscere la sorgente di ogni suono in una stanza. Questo può essere utile per i comandi vocali, poiché consente al dispositivo di determinare quale persona ha parlato. Può anche consentire al dispositivo di distinguere tra i comandi emessi da una persona e qualsiasi rumore di fondo che proviene da un videogioco o da un film in riproduzione. I microfoni possono essere utilizzati anche per la chat vocale e la comunicazione all’interno del gioco, che sono caratteristiche che in genere richiedono l’uso di un auricolare.