In dieser Arbeit untersuchen wir das Problem der Personensuche in natürlichen Szenen. Anstatt die Abfrage mit allen kandidaten Bereichen zu vergleichen, die auf eine abfrageunabhängige Weise generiert werden, schlagen wir vor, den Suchbereich rekursiv von dem gesamten Bild bis zur präzisen Lokalisierung der Zielperson zu verkleinern, indem wir Informationen aus der Abfrage und kontextuelle Hinweise in jedem rekursiven Suchschritt vollständig nutzen. Wir entwickeln die Neuralen Personensuchmaschinen (NPSM), um diese rekursive Lokalisierung für die Personensuche umzusetzen. Dank seines neuronalen Suchmechanismus ist NPSM in der Lage, seinen Fokus selektiv von einem weiteren Bereich zu einem engeren Bereich, der das Ziel enthält, automatisch zu verkleinern. In diesem Prozess verwendet NPSM ein internes primitives Speichermodul, um die Abfragerepräsentation zu speichern, die die Aufmerksamkeit moduliert und seine Robustheit gegenüber anderen ablenkenden Bereichen erhöht. Bewertungen an zwei Benchmark-Datensätzen, dem CUHK-SYSU Person Search Datensatz und dem PRW-Datensatz, haben gezeigt, dass unsere Methode sowohl bei den mAP- als auch bei den Top-1-Auswertungsprotokollen den aktuellen Stand der Technik übertrifft.