Если говорить о соотношении формата и главных ("целевых") персонажей, то ничего неправильного нет. И дело не в телевике (которого у вас пока тоже нет) - штука в том, что бы "поймать" момент, когда ВСЕ, населяющие кадр, проявят себя в каком-либо действии - неважно в каком. Это штука не простая, прихотливая - я бы даже сказал фатальная, но в вашем конкретном случае вполне достижимая.
Вот Вы увидели целующуюся пару. У Вас камера с длиннофокусной оптикой (предположим скоро оснаститесь). Увидели. Прицелились. Сняли. ... Ну и что? Нет, конечно там могут быть и наверняка будут нюансы, и как правило комичные - сейчас очень смешно целуются,.. да и раньше тоже,.. но! Если не ставить задачу снять один лишь поцелуй, а вовремя распознать смысловой контрапункт ( реакцию на происходящее сторонних людей, или же что-то, что существует в другом настроении, действии, цвете, фактуре,..) - снимок приобретет полифонию, т.е. то , что здесь на сайте называют Жизнью (и дубасят этим лекалом все, что ему не соответствует,.. но это уже другая тема)
Так что не спешите бежать за телевиком. Телевик - он, конечно лучше распознаёт солиста, но остальные голоса?.. Впрочем, сам я обожаю телевики - меньше можно шевелиться. Сидишь себе, как ворон...