Menschenzentrierte Wahrnehmungen umfassen eine Vielzahl von Visionssystemen, die weit verbreitete industrielle Anwendungen haben, darunter Überwachung, autonome Fahrt und das Metaversum. Es ist wünschenswert, ein allgemeines Vortrainingsmodell für vielseitige menschenzentrierte Downstream-Aufgaben zu haben. In dieser Arbeit wird an diesem Ansatz sowohl im Bereich der Benchmarks als auch der Vortrainingsmethoden weiter geforscht. Insbesondere schlagen wir \textbf{HumanBench} vor, das auf bestehenden Datensätzen basiert und die Generalisierungsfähigkeiten verschiedener Vortrainingsmethoden auf 19 Datensätzen aus sechs diversen Downstream-Aufgaben umfassend evaluiert, einschließlich Person-ReID (Re-Identification), Pose-Schätzung (Pose Estimation), Menschensegmentierung (Human Parsing), Pedestrienattributerkennung (Pedestrian Attribute Recognition), Fußgängererkennung (Pedestrian Detection) und Menschenzählung (Crowd Counting). Um sowohl grob- als auch feinkörniges Wissen im menschlichen Körper zu erlernen, schlagen wir zudem eine \textbf{P}rojektor-\textbf{A}ssistierte-\textbf{T}rainer-\textbf{H}ierarchische Vortrainingsmethode (\textbf{PATH}) vor, die unterschiedliches Wissen auf verschiedenen Granularitätsebenen erlernt. Umfassende Evaluierungen mit HumanBench zeigen, dass unser PATH neue Stand-of-the-Art-Ergebnisse auf 17 Downstream-Datensätzen erreicht und vergleichbare Ergebnisse auf den anderen 2 Datensätzen erzielt. Der Code wird öffentlich zur Verfügung gestellt unter \href{https://github.com/OpenGVLab/HumanBench}{https://github.com/OpenGVLab/HumanBench}.