El proceso de anotar manualmente imágenes deportivas es exigente. En el fútbol americano solo, los entrenadores pasan miles de horas revisando y analizando videos cada temporada. Nuestro objetivo es automatizar este proceso desarrollando un sistema que genere informes estadísticos completos a partir de videos de juegos de fútbol completos. Habiendo demostrado previamente la viabilidad de nuestro sistema, aquí presentamos optimizaciones a nuestras técnicas de preprocesamiento junto con un método inventivo para la detección de eventos de múltiples personas en videos deportivos. Empleando una arquitectura basada en memoria a largo plazo y corto plazo (LSTM) para detectar el inicio en el fútbol americano, logramos un sobresaliente índice de similitud de Levenshtein (LSI) de 0.9445, lo que sugiere una diferencia normalizada de menos de 0.06 entre las predicciones y las etiquetas de la verdad fundamental. También ilustramos la utilidad de la detección del inicio como un medio para identificar la asunción de formación de los jugadores ofensivos. Nuestros resultados muestran no solo el éxito de nuestro enfoque único y las optimizaciones subyacentes, sino también el potencial de robustez continuada mientras perseguimos el desarrollo de los componentes restantes de nuestro sistema.