Kinect® 技术使用红外 (IR) 投影仪和两个摄像头来绘制三维空间地图。该技术能够识别人体轮廓，然后通过检查红外投影仪投射的光线来推断深度。线框骨架被分配给每个人体轮廓，然后用于将动作解释为游戏输入。每个 Kinect® 都能够同时识别多个人，以进行多人游戏。除了这种体感 Kinect® 技术之外，每个设备还包括一个麦克风阵列，可用于发出声音命令。
Kinect® 是一款体感视频游戏不需要每个玩家都持有物理控制器的外围设备。与其他基于摄像头的视频游戏外设不同，Kinect® 技术能够准确感知深度并执行多种其他功能。这些设备感知深度的方式是将半随机的红外光场投射到房间中。当宝当光线照射到物体上时，Kinect® 技术能够通过计算光线反射回设备所需的时间来确定物体的距离。这样可以创建精确到约 1 厘米（约 0.4 英寸）以内的深度图。
两个小男孩所有必要的计算创建深度图是由 Kinect® 本身执行的。然后，该信息与来自传统摄像机的常规视频源一起发送到游戏控制台。这两个视频图像均以每秒 30 帧 (FPS) 的速度传输。然后，控制台可以使用深度图在三个维度上跟踪人的位置，并使用常规视频源进行面部识别。玩家可以向系统传授他们的脸是什么样子，之后就可以使用 Kinect® 技术logy自动登录。
除了这种运动感应技术之外，每个 Kinect® 设备还包括麦克风阵列。该阵列由四个麦克风组成，这使得 Kinect® 技术能够识别房间内每种声音的来源。这对于语音命令很有用，因为它允许设备确定哪个人说话了。它还可以允许设备区分人发出的命令和源自正在播放的视频游戏或电影的任何背景噪音。麦克风还可以用于语音聊天和游戏内通信，这些功能通常需要使用耳机。
