Kinect的运作原理：

Kinect同时获取彩色影像、3D深度影像及声音信号。首先 Kinect有3个镜头，中间的镜头是RGB彩色摄影机，用来采集彩色图像；左右两边的镜头则分别为红外线发射器和红外线CMOS摄影机所构成的3D结构光深度感应器，用来采集深度数据（场景中物体到摄像头的距离）。

Kinect主要是靠3D深度感应器侦测玩家的动作。中间镜头则是用来辨识玩家身份（依靠人脸辨识和身体特征）及基本的脸部表情，此外也能应用在扩增实境游戏及视讯通话中；同时 Kinect还搭配了追焦技术，底座电动机会随着对焦物体移动而转动。

Kinect内建阵列式传声器，由4个传声器同时收音，比对后消除杂音，相当于提供了降噪功能，并通过其采集声音进行语音识别和声源定位。

Kinect最多可同时侦测到6个人，包含同时辨识2个人的动作；每个人共可记录20组细节，包含躯干、四肢及手指等都是追踪的范围，达成全身体感操作。 Kinect侦测的最佳距离为1.2~3.5m，水平视野则是57°。如果玩家超出影像范围，底座电动机可驱动 Kinect左右旋转27°。

内容来源：娄岩《虚拟现实与增强现实应用指南》