Sensor kedalaman terdiri dari proyektor laser infrared dikombinasikan dengan sensor CMOS monokromatik, yang merekam data video 3D dalam kondisi pencahayaan apapun. Area pengenalan sensor kedalaman dapat diatur, dan perangkat lunak Kinect secara otomatis mampu mengkalibrasikan sensor berdasarkan permainan dan kondisi lingkungan pemain, mengenali keberadaan furnitur maupun halangan lain. Kinect secara simultan mampu mengenali hingga enam orang, termasuk dua pemain aktif untuk dianalisis gerakannya pada 20 titik sendi tiap orang. Namun, PrimeSense menyatakan bahwa jumlah orang yang dapat "dilihat" (tidak diproses sebagai pemain) hanya dibatasi oleh berapa banyak yang dapat masuk ke dalam jangkauan kamera.
ReverseHasil reverse engineering menentukantelah memperlihatkan bahwa keluaran sensor Kinect pada frame rate 30Hz. Pengiriman video RGB menggunakan 8-bit resolusi VGA (640 x 480 piksel) dengan kedalaman warna 8-bit dengan filter warna Bayer, sedangkan pengiriman video monokrom untuk deteksi kedalaman menggunakan resolusi VGA dengan kedalaman warna 11-bit. Sensor Kinect memiliki area penggunaan 1.2-35 m (3.9-11 kaki) saat dioperasikan menggunakan perangkat lunak XBOX. Area yang dibutuhkan untuk bermain dengan Kinect adalah sekitar 6m2, meskipun sensor dapat mengikuti sampai dengan jarak yang diperbesar sekitar 0.7-6m (2.3-20 kaki). Sensor memiliki lebar pandangan angular 57 derajat horizontal dan 43 derajat vertikal, dan poros yang digerakan oleh motor sampai dengan 27 derajat atas dan bawah. Bidang horizontal dari sensor Kinect pada jarak minimum ~0.8m (2.6 kaki) adalah sekitar ~87 cm (34 inch), dan bidang vertikal adalah ~63 cm (25 inch), menghasilkan resolusi sekitar 1.3 mm (0.051 inch) setiap pikselnya. Fitur mikrofon adalah empat mikrofon kapsul* dan setiap jalur dioperasikan dengan kedalaman suara 16-bit pada kecepatan cuplik 16 kHz.
Reverse engineering[42] has determined that the Kinect sensor outputs video at a frame rate of 30 Hz. The RGB video stream uses 8-bit VGA resolution (640 × 480 pixels) with a Bayer color filter, while the monochrome depth sensing video stream is in VGA resolution (640 × 480 pixels) with 11-bit depth, which provides 2,048 levels of sensitivity. The Kinect sensor has a practical ranging limit of 1.2–3.5 m (3.9–11 ft) distance when used with the Xbox software. The area required to play Kinect is roughly 6 m2, although the sensor can maintain tracking through an extended range of approximately 0.7–6 m (2.3–20 ft). The sensor has an angular field of view of 57° horizontally and 43° vertically, while the motorized pivot is capable of tilting the sensor up to 27° either up or down. The horizontal field of the Kinect sensor at the minimum viewing distance of ~0.8 m (2.6 ft) is therefore ~87 cm (34 in), and the vertical field is ~63 cm (25 in), resulting in a resolution of just over 1.3 mm (0.051 in) per pixel. The microphone array features four microphone capsules[43] and operates with each channel processing 16-bit audio at a sampling rate of 16 kHz.
