随着我国经济的高速发展,城市机动车辆快速增加,与车辆相关的各类治安和刑事案件也逐年上升,数据显示,65%以上的犯罪案件都与车辆有关。在此情况下,各地均新建了卡口、电警等系统,能够通过车牌信息对车辆进行识别,但是存在车辆识别错漏多、识别信息少等问题,特别是作为唯一识别码的车牌若被人为遮挡、摘除(无牌车)以及伪造(套牌车)时,就难以对车辆进行有效快速的识别。本论文拟针对车辆准确识别及分析的警务工作需求,根据公安系统现有的大量车辆数据信息,开发建设一套密切贴合一线民警工作实际的,具有车辆图像采集、处理、分析和应用功能的车辆大数据分析系统。本论文依据公安业务需求,研究基于GPU集群的架构,结合目前主流的大数据技术和深度学习技术,通过利用公安机关机动车数据库中的大量车型样本进行训练,提高车辆识别的准确度。通过对每个功能进行细分,列出功能点,针对各功能点作出流程图,并结合代码和时序图,描述了具体实现过程。分别构建数据汇聚层、数据处理层、数据应用层、网络传输层,具有前端图像采集、车辆大数据、多引擎处理、车辆图像二次识别分析、业务应用五大功能模块。最后形成可部署在公安信息网和视频专网上的可与多个系统对接实现车辆数据分析的系统整体架构。通过在实际场景中对系统的各个重要功能模块进行测试,结果表明:系统能够满足公安业务的组合检索,对抓拍视频图像中车辆的各种特征(包括车牌、车型、车标、车身颜色、安全带、遮阳板、车摆物等)进行分析,实现车辆识别、系统搜车、大数据研判、缉查布控等多项功能和重塑车辆行驶轨迹,进一步增强了公安机关侦破各类涉车案件的能力,有望成为公安机关侦查破案的一项新型专业技术。