La tecnología Kinect® utiliza un proyector de infrarrojos (IR) junto con dos cámaras para mapear un espacio en tres dimensiones. La tecnología es capaz de reconocer los contornos humanos y luego extrapolar la profundidad al examinar la luz emitida por el proyector de infrarrojos. Se asigna un esqueleto de estructura metálica a cada contorno humano, que luego se utiliza para interpretar los movimientos como entradas del juego. Cada Kinect® es capaz de reconocer a varias personas a la vez para propósitos de juegos multijugador. Además de esta tecnología Kinect® de detección de movimiento, cada dispositivo también incluye una matriz de micrófonos que se puede usar para dar órdenes vocales.
El Kinect® es un dispositivo periférico de videojuegos con sensor de movimiento que no requiere que cada jugador sostenga un controlador físico. A diferencia de otros periféricos de videojuegos basados en cámaras, la tecnología Kinect® puede detectar con precisión la profundidad y realizar varias otras funciones. La forma en que estos dispositivos detectan la profundidad es proyectando un campo semi-aleatorio de luz infrarroja en una habitación. Cuando los puntos de luz inciden en un objeto, la tecnología Kinect® puede determinar qué tan lejos está calculando cuánto tiempo tarda la luz en reflejarse en el dispositivo. Esto permite crear un mapa de profundidad con una precisión de aproximadamente 1 centímetro (aproximadamente 0.4 pulgadas).
Todos los cálculos necesarios para crear un mapa de profundidad los realiza el propio Kinect®. Luego, esta información se envía a la consola de juegos junto con una transmisión de video regular desde la cámara tradicional. Ambas imágenes de video se transmiten a 30 cuadros por segundo (FPS). Luego, la consola puede usar el mapa de profundidad para rastrear la posición de una persona en tres dimensiones y la transmisión de video regular para el reconocimiento facial. Los jugadores pueden enseñar al sistema cómo se ven sus caras, después de lo cual es posible que la tecnología Kinect® los inicie sesión automáticamente.
Además de esta tecnología de detección de movimiento, cada dispositivo Kinect® también incluye una matriz de micrófonos. La matriz está compuesta por cuatro micrófonos, lo que hace posible que la tecnología Kinect® reconozca la fuente de cada sonido en una habitación. Esto puede resultar útil para los comandos de voz, ya que permite que el dispositivo determine qué persona ha hablado. También puede permitir que el dispositivo distinga entre los comandos emitidos por una persona y cualquier ruido de fondo que se origine en un videojuego o una película que se esté reproduciendo. Los micrófonos también se pueden utilizar para el chat de voz y la comunicación en el juego, que son funciones que normalmente requieren el uso de auriculares.