在Kinect游戏中，玩家们可以用脚去踢仅存在于屛幕中的足球，可以转动想象中的方向盘来操控电视游戏中的赛车。可以说Kinect让体感操控表现得淋漓尽致。那么Kinect是怎么实现操控的？

　　Kinet的大脑
　　Kinet判断出你的动作后，它还要精确判断你的实际动作，因为对体感系统来说，我们的抬手或者抬脚动作非常类似。Kinet分割玩家图像的每一个像素都被传送进一个辨别人体部位的机器学习系统中。随后该系统将给出某个特定像素属于哪个身体部位的可能性。
　　比如，一个像素有80%的几率属于脚，60%的几率属于腿，40%的几率属于胸部。Kinet根据传感器捕捉的人体3D图像和机器学习系统，判断出这是你的抬脚动作（像素的概率接近于脚），然后将这个动作和游戏画面中的足球动态位置结合起来。这整个处理流程都是通过Kinet的学习系统完成的，它是体感系统的中枢。
　　模型匹配 完成游戏动作
　　Kinet判断出你的动作是抬脚后，处理流程的最后一步是使用之前阶段输出的结果，根据追踪到关节点来生成一幅骨架系统，然后告诉体感系统这是你的抬脚动作，这样体感系统根据你的抬脚动作和游戏画面中的足球位置（足球位置是固定的，根据游戏进程即可知道它的运行轨迹）。这样体感系统首先确定足球的运行轨迹，这样在足球运行到一定的位置时，体感系统的传感器捕捉到了你的抬脚动作，然后根据你的脚的位置是否碰到足球，如果碰到则足球会沿着你的动作力度，并按照原来游戏设计好的轨迹运行，这样你就通过体感系统完成了一个踢球流程。玩过愤怒的小鸟上的弹弓？当我们拉起弹弓的时候，小鸟就会像足球一样飞起来了。
　　Kinect学习我们的模拟世界

　　大家知道传统的的编程大多使用特定的规则来判断用户的使用习惯，比如通过非真即假来判断用户的行为，用户的动作通过简单的是、否来对应1、0。这种简单的判断可以让我们通过编程快速制定相应的感知程序来判断。
　　不过在现实生活中，我们的动作远远不是的是与否这么简单的动作，比如我们在使用体感系统玩足球游戏时，系统首先要计算游戏画面中足球的动态范围，接着判断你抬脚的幅度，如果脚部区域正好碰到足球，则再根据你的力度调整足球发送的轨迹。
　　所以Kinect学习系统要比传统的编程复杂得多。它一开始就使用一种全新的接近于人脑工作的方式来解决这一问题。它观察身边的世界，它注意观察你的动作。即使Kinect从来没见过你挥过手，也能很快地从它学习过的TB级数据中猜测出你所做动作的含义，从而判断你的动作来完成游戏的体感操作。
　　Kinect的追踪处理
　　从上面的介绍我们知道，Kinect系统可以追踪人类复杂的动作。它的核心是一个CMOS红外传感器，这个传感器无论周围环境的光照条件如何，都可以让Kinect感知世界。该传感器通过黑白光谱的方式来感知环境：纯黑代表无穷远，纯白代表无穷近。黑白间的灰色地带对应物体到传感器的物理距离。它收集视野范围内的每一点，并形成一幅代表周围环境的景深图像。
　　传感器以每秒30帧的速度生成景深图像流，实时3D地再现周围环境。这样我们肢体的每一个动作都会被传感器实时捕捉。比如在体感足球游戏中，当我们抬脚踢游戏画面中的足球时，传感器会捕捉到我们的抬脚动作。当我们在屏幕面前抬脚的时候，Kinect会对景深图像进行像素级评估，来辨别人体的不同部位，以确定我们抬起的是脚。
　　此外，Kinect采用分割策略来将人体从背景环境中区分出来，即从噪音中提取出有用信号。Kinect可以主动追踪玩家的全身骨架，或者被动追踪最多四名玩家的形体和位置。在这一阶段，我们为每个被追踪的玩家在景深图像中创建了所谓的分割遮罩，这是一种将背景物体（比如椅子和宠物等）剔除后的景深图像。在后面的处理流程中仅仅传送分割遮罩的部分，以减轻体感计算量。比如我们在踢球的时候，抬起的是右脚，Kinect采用分割策略就会精确地判断出你的动作。