En 2 minutos no lo sacas, para eso tendría que ser un chupachups fosforito de color diferente a los labios. Eso se hace con máscaras, no te queda otra. El tiempo que pierdas intentando hacerlo con chroma keying, retocando una y otra vez, lo ahorras si te pones directamente a hacer la máscara.
Edito: el orden de capas, sería:
Capa 2 (superior): vídeo en color con la máscara invertida.
Capa 1 (inferior): vídeo en blanco y negro.