Kinect利用机器视觉搭配强大软体建构体感机制 Microsoft的XBox 360游戏机，采行的控制方案与PlayStation 3类似，也是采取主机额外扩充套件的方式，因此开发上有较多限制，但也可以用全新技术达到更前卫的设计。XBox 360游戏机为利用Kinect扩充体感游戏支援，Kinect套件其实是个相当复杂的资讯撷取器，Kinect一次可以撷取彩色影像、3D深度影像、声音讯号3种讯息，本体应用3个镜头设计，中央为彩色摄影镜头，左/右两侧分别是红外线发射器与红外线CMOS摄影机。Kinect中央镜头为撷取游戏者影像，可做到撷取使用者面部表情，进行扩增实境的影像撷取，或是应用于视讯电话方面，同时，Kinect还内建阵列式麦克风，可达到现场收音、同步降噪效果。两侧红外线发射器与红外线CMOS镜头是用于进行3D深度感测，也具备追焦功能，追焦反馈讯息同时会传递给Kinect底座的伺服马达驱动，让Kinect可达到左/右27度的追焦转向动作。而Kinect感测体感游戏控制讯号的基础，为透过机器视觉(640 x 480@30fps视讯镜头、320 x 240@30fps红外线摄影镜头)进行空间的影像撷取、空间深度侦测，核心技术源自于以色列籍PrimeSense公司，微软系向后者取得Light Coding技术。透过Light Coding，仅是取得具备标记现况的空间与影像资料，但取得基础资料后还需一套完整的动作解析方案，Kinect将取得的3D深度影像转换至人体骨架建模，系统能量可同时感测6人、每个人记录20组细节，建构项目包含躯干、四肢、手臂膝盖节点与动态，搭配Machine learning达到智慧辨识动态的要求。