Kinect® tehnoloģija izmanto infrasarkano (IR) projektoru kopā ar divām kamerām, lai kartētu telpu trīs dimensijās. Šī tehnoloģija spēj atpazīt cilvēka kontūras un pēc tam ekstrapolēt dziļumu, pārbaudot infrasarkanā projektora radīto gaismu. Katrai cilvēka kontūrai tiek piešķirts karkasa skelets, ko pēc tam izmanto, lai interpretētu kustības kā spēles ievadi. Katrs Kinect® spēj atpazīt vairākus cilvēkus vienlaikus, lai spēlētu vairāku spēlētāju spēles. Papildus šai kustību uztverošajai Kinect® tehnoloģijai katrā ierīcē ir arī mikrofonu bloks, ko var izmantot, lai dotu balss komandas.
Kinect® ir videospēļu perifērijas ierīce ar kustību sensoru, kas neprasa, lai katram spēlētājam būtu fizisks kontrolieris. Atšķirībā no citām kameru videospēļu perifērijas ierīcēm, Kinect® tehnoloģija spēj precīzi uztvert dziļumu un veikt vairākas citas funkcijas. Šīs ierīces uztver dziļumu, projicējot telpā daļēji nejaušu infrasarkanās gaismas lauku. Kad gaismas punkti saskaras ar objektu, Kinect® tehnoloģija spēj noteikt, cik tālu tas atrodas, aprēķinot, cik ilgā laikā gaisma atstarojas atpakaļ ierīcē. Tas ļauj izveidot dziļuma karti, kuras precizitāte ir aptuveni 1 centimetrs (apmēram 0.4 collas).
Visus aprēķinus, kas nepieciešami dziļuma kartes izveidošanai, veic pats Kinect®. Pēc tam šī informācija tiek nosūtīta uz spēļu konsoli kopā ar parasto video plūsmu no tradicionālās kameras. Abi šie video attēli tiek pārraidīti ar ātrumu 30 kadri sekundē (FPS). Pēc tam konsole var izmantot dziļuma karti, lai izsekotu personas stāvoklim trīs dimensijās, un parasto video plūsmu sejas atpazīšanai. Spēlētāji var iemācīt sistēmai, kā izskatās viņu sejas, pēc kā Kinect® tehnoloģija var viņus automātiski pieteikt.
Papildus šai kustības sensora tehnoloģijai katrā Kinect® ierīcē ir arī mikrofonu bloks. Masīvs sastāv no četriem mikrofoniem, kas ļauj Kinect® tehnoloģijai atpazīt katras skaņas avotu telpā. Tas var būt noderīgi balss komandām, jo ļauj ierīcei noteikt, kura persona ir runājusi. Tas var arī ļaut ierīcei atšķirt personas izdotās komandas no jebkura fona trokšņa, kas rodas no atskaņotās videospēles vai filmas. Mikrofonus var izmantot arī balss tērzēšanai un saziņai spēlē, kas ir funkcijas, kurām parasti ir jāizmanto austiņas.