Varje Kinect® kringutrustning har tre olika typer av sensorer. Den primära sensorn som Kinect® är känd för är en infraröd (IR) kamera som kan undersöka ljuspunkter för att skapa en djupkarta. Dessa primära Kinect®-sensorer används för att kartlägga ett område, och människorna inom det, i tre dimensioner. Varje enhet har också en traditionell kamera som skapar en röd, grön och blå (RGB) videoutgång. Den sista typen av Kinect®-sensorer som finns i varje enhet är fyra mikrofoner arrangerade i en array.
Kinect® är en kringutrustning som används för att manipulera videospel utan behov av en fysisk kontroller. Ett antal olika Kinect®-sensorer samverkar för att göra detta möjligt. Tidigare motion capture kringutrustning spårade bara rörelse, men Kinect® kan också generera en djupkarta och känna igen källan till olika ljud i ett rum. Ingångarna från dessa Kinect®-sensorer kan också användas separat för olika funktioner.
För att Kinect®-sensorer ska skapa en djupkarta är varje enhet även utrustad med en infraröd projektor. Denna komponent kan lysa tusentals ljuspunkter på spelområdet. Dessa ljuspunkter är osynliga för blotta ögat, men den infraröda kameran som finns i varje Kinect® kan se dem och sedan beräkna flygtiden för att skapa en tredimensionell representation av rummet.
Den andra visuella sensorn som finns i varje Kinect® är en traditionell RGB-kamera. Den här kameran skapar video med en upplösning på 640×480 och 30 bilder per sekund (FPS). Genom att kombinera dessa visuella data med djupkartan från IR-sensorn, kan Kinect® skapa en tredimensionell representation av ett utrymme. Denna kombinerade information används också för att uppskatta en spelares skelettstruktur, vilket är hur den perifera enheten registrerar rörelser för att generera spelingångar. Videon kan också användas separat från djupkartan för videokonferenser och ta stillbilder.
En mikrofongrupp är den sista typen av sensor som finns i varje Kinect®-enhet. Genom att undersöka skillnaden i ljuden som fångas upp av var och en av de fyra mikrofonerna i arrayen, kan Kinect® avgöra ungefär var ett ljud kom ifrån. Denna information kan användas för att låsa röststyrning till en spelare eller filtrera bort bakgrundsljud. Mikrofongruppen kan även användas separat för röstkommunikation och andra liknande funktioner.