في هذا البحث، ندرس مشكلة البحث عن الأشخاص في البيئات الطبيعية. بدلاً من مقارنة الاستعلام مع جميع المناطق المرشحة التي تُولَّد بطريقة غير مرتبطة بالاستعلام، نقترح تقليص منطقة البحث بشكل متكرر من الصورة الكاملة حتى تحقيق تحديد موقع الشخص المستهدف بدقة، وذلك من خلال استغلال المعلومات الواردة من الاستعلام والدلائل السياقية في كل خطوة بحث متكررة. قمنا بتطوير آلات البحث العصبية عن الأشخاص (Neural Person Search Machines - NPSM) لتنفيذ مثل هذه التوطين المتكرر للبحث عن الأشخاص. بفضل آلية البحث العصبي الخاصة بها، يمكن لنظام NPSM أن يقلل تركيزه بشكل انتقائي من منطقة فضفاضة إلى منطقة أضيق تحتوي على الهدف تلقائياً. خلال هذا العملية، يستخدم نظام NPSM مكون ذاكرة أولي داخلي لتخزين تمثيل الاستعلام الذي يعدل الانتباه ويزيد من صلابته تجاه المناطق المشتتة الأخرى. قد أظهرت التقييمات على مجموعتين معياريتين للبيانات، وهما مجموعة بيانات CUHK-SYSU للبحث عن الأشخاص ومجموعة بيانات PRW، أن طريقتنا تستطيع تجاوز أفضل الأساليب الحالية في بروتوكولي التقييم mAP وtop-1.