1.一种门店监控评价方法，其特征在于，所述方法包括：

映射确定步骤：定时根据预先确定的门店、摄像装置、拍摄角度、评分因素四者之间的映射关系，确定各个门店对应的摄像装置、各个摄像装置对应的拍摄角度及各个拍摄角度对应的评分因素；

照片拍摄步骤：控制各个摄像装置逐一选择对应的拍摄角度进行拍摄，记录拍摄得到的各张照片及其对应的门店、拍摄角度、摄像装置和评分因素；

照片打分步骤：根据预先确定的评分因素和打分模型的映射关系，确定所述各张照片对应的打分模型，并对各张照片分别调用对应的打分模型进行打分；

加权计算步骤：利用预先确定的加权分值计算公式对所述各张照片的打分分值进行加权计算，从而计算出拍摄所述各张照片的摄像装置对应的门店的加权分值。

2.根据权利要求1所述的门店监控评价方法，其特征在于，所述预先确定的加权分值计算公式为：其中Si代表一个摄像装置拍摄的第i张照片对应的打分分值，Ki代表该摄像装置拍摄的第i张照片的加权权重，m代表该摄像装置拍摄一共得到m张照片，S代表该摄像装置对应的待监控门店的加权分值。

3.根据权利要求1所述的门店监控评价方法，其特征在于，所述打分模型的训练步骤包括：样本获取步骤：针对该评分因素，获取预设数量的样本照片；

样本标注步骤：在每张样本照片上对各个评分因素区域进行区域标定，并对各个评分因素区域进行评分标注，得到预设数量的标注样本；

样本分类步骤：从标注样本中提取出第一预设比例的标注样本作为待训练的样本照片，并将剩余的标注样本作为待验证的样本照片；

模型生成步骤：利用各张待训练的样本照片进行模型训练，以生成该评分因素对应的打分模型；

模型验证步骤：利用各张待验证的样本照片对生成的所述打分模型进行验证，若验证通过率大于或等于预设阈值，则结束模型训练，若验证通过率小于预设阈值，则流程返回样本标注步骤直至验证通过率大于或等于预设阈值结束模型训练。

4.根据权利要求1所述的门店监控评价方法，其特征在于，该方法还包括：第一判断步骤：判断每个门店的加权分值是否大于第一预设值；

当判断该门店的加权分值大于第一预设值时，执行第二判断步骤：判断该门店的评分因素的评分是否大于第二预设值；

当判断该门店的加权分值小于第一预设值时，向预先确定的终端发送第一预设格式的提示信息，再执行第二判断步骤。

5.根据权利要求4所述的门店监控评价方法，其特征在于，所述第二判断步骤还包括：当门店的评分因素的评分小于第二预设值时，向预先确定的终端发送第二预设格式的提示信息。

6.一种电子装置，其特征在于，所述装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的门店监控评价系统，所述门店监控评价系统被所述处理器执行，可实现如下步骤：映射确定步骤：定时根据预先确定的门店、摄像装置、拍摄角度、评分因素四者之间的映射关系，确定各个门店对应的摄像装置、各个摄像装置对应的拍摄角度及各个拍摄角度对应的评分因素；

照片拍摄步骤：控制各个摄像装置逐一选择对应的拍摄角度进行拍摄，记录拍摄得到的各张照片及其对应的门店、拍摄角度、摄像装置和评分因素；

照片打分步骤：根据预先确定的评分因素和打分模型的映射关系，确定所述各张照片对应的打分模型，并对各张照片分别调用对应的打分模型进行打分；

加权计算步骤：利用预先确定的加权分值计算公式对所述各张照片的打分分值进行加权计算，从而计算出拍摄所述各张照片的摄像装置对应的门店的加权分值。

7.根据权利要求6所述的电子装置，其特征在于，所述预先确定的加权分值计算公式为：其中Si代表一个摄像装置拍摄的第i张照片对应的打分分值，Ki代表该摄像装置拍摄的第i张照片的加权权重，m代表该摄像装置拍摄一共得到m张照片，S代表该摄像装置对应的待监控门店的加权分值。

8.根据权利要求6所述的电子装置，其特征在于，所述门店监控评价系统被所述处理器执行，还可实现如下步骤：第一判断步骤：判断每个门店的加权分值是否大于第一预设值；

当判断该门店的加权分值大于第一预设值时，执行第二判断步骤：判断该门店的评分因素的评分是否大于第二预设值；

当判断该门店的加权分值小于第一预设值时，向预先确定的终端发送第一预设格式的提示信息，再执行第二判断步骤。

9.根据权利要求8所述的电子装置，其特征在于，所述第二判断步骤还包括：当门店的评分因素的评分小于第二预设值时，向预先确定的终端发送第二预设格式的提示信息。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括门店监控评价系统，所述统门店监控评价系统被处理器执行时，可实现如权利要求1至5中任一项所述门店监控评价方法的步骤。