Я делаю так:
1. Прямо в АЕ обводиш говорящего перышком (делаеш маску) в 1-м кадре.
2. Каждый десятый кадр подгоняеш маску обязательно при включеном секундамере (анимируеш тобиш).
3. Ну а потом в получившихся промежутках подгоняеш там где надо
(иногда много, иногда мало. Всяко бывает).
Долго, неспорю. Но когда задний фон неоднородный то...
Есть конешно другой способ. Можно видео покадрово разложить, каждый кадр обработать в фотошопе (заменить фон), а потом собрать обратно в видео хоть в самом АЕ. Получится намного лучше, но и на много дольше.